MAMOGRAFİ GÖRÜNTÜLERİNİN DEĞERLENDİRİLMESİNDE ÖRÜNTÜ TANIMA TEMELLİ BİR KARAR DESTEK SİSTEMİ

Abstract

Meme kanseri kadınlarda, erken ölüme yol açan kanser türlerinin başında gelir. Literatürde, radyologların gözünden kaçan meme kanseri vakalarının %10-%25 olduğunu görülmektedir. Bilişim teknolojisinin gelişmesiyle, bilgisayarların uzmanlarca karar destek sistemi olarak kullanımı da yaygınlaşmıştır. Özellikle tıp alanında bu tür sistemler teşhis amaçlı olarak doktorlarca kullanılmaktadır.Şüpheli bir bölgeyi gösteren bilgisayar destekli sistem, bir tümörün doktorun gözünden kaçmasını önleyebilir. Bu tür sistemler doktor yerine değil, doktora ?ikinci fikir? ya da ?ön-okuyucu? olarak destek bilgisi sunar ve böylece birden fazla uzmanın aynı vakayı incelemesine gerek kalmamasını sağlar.Bu tez çalışmasında, memenin röntgeninin alınması ile elde edilen mamografi görüntülerinin ön işlem, özellik çıkarma ve sınıflama süreçlerini içeren bir örüntü tanıma sistemi ile değerlendirilmesi amaçlanmıştır. Bunun için, ön işlem sürecinde histogram temelli bölütleme, özelik çıkarma sürecinde bölütlenmiş mamografi görüntüsünün dalgacık dönüşümü ve shannon entropi hesaplama, sınıflama sürecinde ise entropi özellik değerlerinin geri yayınım yapay sinir ağı kullanılarak mamografi görüntüsünün tanınması gerçekleştirilmiştir. Geliştirilen karar destek sisteminin uygulaması, 82 mamografi görüntüsü üzerinde denenmiştir. Test sonuçları, önerilen uygulama sisteminin başarımının %86 doğrulukta olduğunu göstermiştir.

Breast cancer is one of the leading causes of early mortality in women. Retrospective studies have shown that in current breast cancer screening between 10% to 25% of tumors are missed by radiologists. By the development of computer technology, today, computer aided systems are being used in order to give support to the experts in their province. Especially, medical science profits so much from these kinds of developments. Computer aid systems are becoming prevalent for doctors in diagnosis.A computer-aided detection system that prompts suspicious regions can draw attention of the radiologist to a tumor he might otherwise have overlooked. The use of computer aid diagnosis methods as a ?second opinion? or as a ?pre-reader? strategy has been proposed, may reduce the observer variation.Within the scope of this study, it is aimed to evaluate the segmentation of mammogram images with a pattern recognition system mainly of three operations; pre-treatment, feature extraction and classification. In order to this, in pre-treatment process, histogram based segmentation; in feature extraction process, wavelet transformation of segmented mammogram images and shannon entropy, and during classification process entropy feature by using backprobagation artificial neutral networks recognition of mammogram images is carried out. The use of developed decision support system is tried on 82 mammogram images. The test results have shown that the success of the proposed system is 86%.