ÖZET Projenin amacı, meme kanserinin teşhisinde yaygın olarak tercih edilen manyetik rezonans görüntüleme sistemi üzerinden alınan görüntüleri kullanarak yazılım tabanlı bir meme lezyon tespit ve sınıflandırma sistemi geliştirmektir. Geliştirilen sistem uzmanlar için yazılım tabanlı bir karar destek sistemi olarak düşünülebilir. Belirtilen amaca ulaşmak için sistemde beş temel adım gerçekleştirilmiştir. Bu adımlardan her biri çeşitli işaret işleme ve görüntü işleme yöntemleri içermektedir. Projede gerçekleştirilen beş temel adım sırasıyla veri tabanı oluşturulması, meme lezyonlarının tespit edilmesi, lezyon özelliklerinin çıkarılması, en etkili özelliklerin belirlenmesi ve karar adımlarıdır. Veri tabanı oluşturulması adımında uzman eşliğinde MRG cihazı ile yapılan çekimlerden en uygun görüntüler seçilmiştir. Ayrıca, görüntüde oluşabilecek bozunumları gidermek için filtre tabanlı bir ön işleme adımı uygulanmıştır. Daha sonra, meme lezyonlarının tespit edilmesi amacıyla iki aşamalı bir segmentasyon süreci uygulanmıştır. İlk aşama lezyon içerebilecek meme bölgesinin tespit edilmesi, ikinci aşama meme bölgesinden lezyonun bulunduğu bölgenin elde edilmesidir. Meme bölgesi tespitinde yerel adaptif eşikleme, bağlı bileşen analizi, yatay iz düşüm ve maskeleme teknikleri sırasıyla kullanılmıştır. Lezyon tespiti için Otsu, bölge büyütme, bulanık cortalamalar, k-ortalamalar, aktif sınırlar ve Markov rastgele alanlar yöntemleri görüntülere uygulanmıştır. Lezyonlara ait özelliklerin çıkarılması adımında ise histogram, şekil, doku ve dönüşüm uzayı özellikleri hesaplanmıştır. Toplamda her bir lezyon için 108 özellik belirlenmiş ve özellik seçme adımında etkisi az olan özellikler Fisher skoru yöntemi ile özellik vektöründen atılmıştır. Projenin son adımı karar aşaması olan sınıflandırma adımıdır. Bu adımda k en yakın komşuluk, destek vektör makineleri, rastgele orman, naif Bayes teknikleri kullanılmıştır. Elde edilen sonuçlara göre proje kapsamında hazırlanan yazılım meme lezyonlarının tespitinde %91±0,06, iyi huylu kötü huylu lezyon ayrımında %90,36±0,069, lezyon alt gruplarının ayrımında ise %84,3±0,24 doğruluk sağlamıştır. Anahtar Kelimeler: Meme kanseri, lezyon tespiti, segmentasyon, özellik çıkarma, özellik seçme, lezyon sınıflandırma.
ABSTRACT The aim of the project is to develop a software-based breast lesion detection and classification system by using images taken from magnetic resonance imaging system that is a commonly preferred system for breast cancer diagnosis. The developed system can be referred as to a decision-support system for specialists. To reach the given target, five main steps are performed. Each of these steps includes several signal processing and image processing methods. Five steps performed in the project are database construction, breast lesion detection, lesion feature extraction, selection of the most effective features and decision steps. In database construction step, the most appropriate images taken from the MRI device are selected together with the specialist. In addition, a filtering-based preprocessing step is applied to the images to eliminate the possible artifacts. Then, a two-stage segmentation process is applied for breast lesion detection. The first stage is to detect breast region that may include lesion, and the second step is to obtain the lesion region from the breast region. Local adaptive thresholding, connected component analysis, integral of horizontal projection and masking techniques are used for breast region detection. Otsu, region growing, fuzzy c-means, k-means, active contours, and Markov random fields methods are applied to images for lesion detection. In lesion feature extraction step, histogram, shape, texture, and transform domain features are calculated. Totally 108 features are determined for each lesion and the least effective features are discharged from the feature vector by using Fisher score method. The last step of the project is classification/decision step. In this step, k-nearest neighbor, support vector machines, random forest, naïve Bayes techniques are utilized. According to the achieved results, the software developed in the project provides 91±0,06% accuracy for lesion detection, 90,36±0,069% accuracy for separation of benign and malignant lesions and, 84,3±0,24% accuracy for separation of lesion subgroups from each other. Keywords: Breast cancer, lesion detection, segmentation, feature extraction, feature selection, lesion classificaiton.