Meme manyetik rezonans görüntülemede (MRG) lezyon tespiti, yalancı pozitif ve yalancı negatif bulguların azaltılmasına yönelik yazılım geliştirilmesi

Abstract

Tezin 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. Sunulan tezde 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 sırasıyla yerel adaptif eşikleme, bağlı bileşen analizi, yatay izdüşüm ve maskeleme teknikleri kullanılmıştır. Lezyon tespiti için tekil ve hibrit segmentasyon algoritmaları görüntülere uygulanmıştır. Tezde, Segmentasyon sürecinin başarımını analiz etmek amacıyla 25 farklı metrik kullanılmıştır. Lezyonlara ait özelliklerin çıkarılması adımında ise histogram, şekil ve doku özellikleri hesaplanmıştır. Toplamda her bir lezyon için 92 özellik belirlenmiş ve özellik seçme adımında etkisi az olan özellikler Fisher skoru yöntemi ile özellik vektöründen atılmıştır. Tezin 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 gerçekleştirilen yazılım tabanlı sistem meme lezyonlarının tespitinde %91±0,06, iyi huylu kötü huylu lezyon ayrımında %90,36±0,069 doğruluk sağlamıştır.

The aim of the thesis is to develop a software-based breast lesion detection and classification system by using images taken from MRI system that is a commonly preferred system for breast cancer diagnosis. The developed system can be referred as to a software-based decision-support system for the specialists. Five main steps are performed to reach the given target, each of these steps includes several signal processing and image processing methods. Five steps performed in the presented thesis are database construction, breast lesion detection, lesion feature extraction, selection of the most effective features and decision steps, respectively. 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. Individual and hybrid segmentation algorithms are applied to the images for lesion detection. In the thesis, 25 different metrics were used to analyze the success of segmentation process. In lesion feature extraction step, histogram, shape and texture features are calculated. Totally 92 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 thesis 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 developed software-based system provides 91±0,06% accuracy for lesion detection, 90,36±0,069% accuracy for separation of benign and malignant lesions.