Tespit edilemeyen veya yanlış teşhis edilen kırık vakaları ortopedi alanında karşılaşılan önemli sorunların başında gelmektedir. Gerçekleştirilen yanlış teşhisler neticesinde hastalara yanlış tedavi yöntemleri uygulanabilmekte ve bundan dolayı tedavi süreleri uzayabilmektedir. Her yıl, yanlış teşhis ve tedavi uyguladığı gerekçesiyle bir çok hekim'e tazminat davası açılmaktadır.Bu tez çalışmasında, hekimlere katkı sağlamak ve kırık vakalarında tespit başarımını yükseltmek amacıyla ?Yapay Sinir Ağları (YSA) tabanlı kırık kemik tespit sistemi? tasarımı gerçekleştirilmiştir. Önerilen sistem, en çok karşılaşılan kırık vakaları olan uzun kemik kırıklarının tespitine yönelik olarak tasarlanmıştır. Gerçekleştirilen tespit sistemi, temel olarak görüntü işleme ve YSA basamaklarından oluşmaktadır. Görüntü işleme basamağında, x-ışını şekildeki resimler çeşitli görüntü işleme teknikleri yardımıyla iyileştirilmiştir. Buna ek olarak kas dokusu ile kemik kısımlarının birbirinden ayrıştırılabilmesi için bölütleme işleminden faydalanılmıştır. Uzun kemiklerin bölütlenmesinde başarımı en yüksek olan algoritmayı bulabilmek için çeşitli deneyler gerçekleştirilmiş ve elde edilen sonuçlara göre K-ortalama algoritması önerilen sistemde kullanılacak bölütleme algoritması olarak seçilmiştir. Tasarımı gerçekleştirilen tespit sisteminin bir sonraki işlem basamağında ise iyileştirilmiş ve bölütlenmiş resimler boyutlandırılıp sayısallaştırılarak YSA girişlerine göre uygunlaştırılmıştır. Bu aşamada, girişlerin YSA'ya göre uygunlaştırılması, YSA'nın eğitilmesi ve test edilmesi gibi işlem prosedürlerinin kolaylaştırılması için C# tabanlı bir YSA arayüzü kullanılmıştır. Önerilen YSA tabanlı kırık kemik tespit sisteminin başarımı detaylı deneyler yardımıyla ölçülmüş ve elde edilen sonuçlara göre her kırık vakasının %89'u başarı ile tespit edilebilmiştir.
Undetectable fractures or misdiagnosis are the most important problems in orthopaedics field. As a result of misdiagnosis, wrong treatment is practiced to patients, and therefore duration of treatment may be extended. Every year, many doctors are lawsuited for misdiagnosing and wrong treatment.In this thesis, ?Artificial Neural Networks (ANNs) based bone fracture detection system? has been designed in order to contribute to doctors and improve the performance of fracture detection. The proposed system has been designed for the detection of long-bone fractures which are the most common cases of fractures. The detection system is mainly consists of image processing and ANNs sections. In image processing section, x-ray images are enhanced with the help of several image processing techniques. In addition, segmentation is utilized to differentiate bone and muscle tissue from each other. Various experiments are performed to learn the highest segmentation performance in long-bone segmentation. According to the experimental results, K-means algorithm has been selected as segmentation algorithm for the proposed system. In ANN section of the designed system, the enhanced and segmented images have been resized and digitized for the appropriate ANN inputs. Then, ANN has been trained and tested by the given inputs. In this thesis, we have used C# based ANN interface to facilitate the procedures of training and testing. Performance of the proposed ANNs based bone fracture detection system has been evaluated with the help of detailed experiments. According to the results the proposed system is able to detect bone fractures with 89% success rate.
