Sintigrafi görüntülerinden tiroid nodüllerin bilgisayar destekli tanı sistemi

Abstract

Modern tıpta çeşitli tıbbi görüntüler kullanılarak anatomik bölgelerin bölütlenmesi ve hastalıkların otomatik olarak sınıflandırılması hastalık teşhis ve tedavisinde büyük rol oynamaktadır. Tiroid gland bozukluklarında sintigrafi görüntüleri tanı için kabul gören görüntüleme yöntemlerinden biridir. Çalışmamızda sintigrafi görüntülerinde bulunan benek gürültüsü optimize edilmiş Bayesian yerel olmayan ortalama filtre ile giderilmiştir. Tiroid bezi bölgesi lokal tabanlı aktif kontur metodu ile otomatik olarak bölütlendirilerek derin öğrenme metodlarından biri olan evrişimsel yapay sinir ağları ile tiroid bezi patolojileri otomatik olarak sınıflandırılmıştır. Önerilen bilgisayar tabanlı tedavi sistemi Yönelim Derecelerinin Histogram Piramidi, Gri Düzeyli Eş-Olma Matrisi, Yerel Yapılandırma Deseni ve Özellik Çanta Yöntemleri ile karşılaştırılmıştır. Bu çalışmada, tiroid bezinin sintigrafik görüntülerinin yaygın patolojik paternleri önerilen CNN tarafından %94 ortalama başarıyla sınıflandırılmıştır

In Modern medicine, segmentation of anatomical regions and automatic classification of diseases using various medical images plays a major role in diagnosis and treatment of disease. Scintigraphic imaging is one of the accepted imaging modalities for diagnosis of thyroid gland disorders. In our study, the speckle noise was reduced in the scintigraphic images with the optimized Bayesian non-local averaging filter. The thyroid gland is automatically segmented by local-based active contour method and the thyroid gland pathologies were classified with convolutional artificial neural networks, one of the deep learning methods. The proposed computer based diagnosis system is compared with Pyramid of Histograms of Orientation Gradients, Gray Level Co-occurrence Matrix, Local Configuration Pattern and Bag of Feature methods. In this study, the common pathological patterns of scintigraphic images of the thyroid gland were successfully classified by CNN with an average of 94/%.}%% Abstract in French/resume{En médecine moderne, la segmentation des régions anatomiques et la classification automatique des maladies à l'aide de diverses images médicales jouent un rôle majeur dans le diagnostic et le traitement de la maladie. L'imagerie scintigraphique est l'une des modalités d'imagerie acceptées pour le diagnostic des troubles de la glande thyroïde. Dans notre étude, le bruit de speckle a été réduit dans les images scintigraphiques avec le filtre bayésien non local moyen. La glande thyroïde est automatiquement segmentée par la méthode du contour actif local et les pathologies de la glande thyroïde ont été classées avec des réseaux de neurones artificiels convolutifs, l'une des méthodes d'apprentissage en profondeur. Le système de diagnostic informatisé proposé est comparé à la pyramide d'histogrammes de gradients d'orientation, à la matrice de cooccurrence au niveau de gris, au modèle de configuration locale et au sac de caractéristiques. Dans cette étude, les profils pathologiques communs des images scintigraphiques de la glande thyroïde ont été classés avec succès par CNN avec une moyenne de 94%