AKCİĞER BİLGİSAYARLI TOMOGRAFİ GÖRÜNTÜLERİNDE GÖRÜNTÜ İŞLEME UYGULAMALARI İLE TÜMÖRLERİNİN TESPİT EDİLMESİ

Authors : Berat ÖZDET, Semra İÇER

Pages : 135-150

Doi:10.17482/uumfd.947619

View : 51 | Download : 79

Publication Date : 2022-04-30

Article Type : Research Paper

Abstract :Türkiye’de bir yılda tespit edilen kanser vakalarının büyük çoğunluğu olan akciğer kanseri toplam vaka sayısının yaklaşık %20’sini oluşturmaktadır. En çok ölüm oranını oluşturan akciğer kanseri günümüzde Türkiye ve dünya için önemli bir sağlık sorunu durumundadır. Bu sorunun en önemli kaynağı erken tanısında tedavisi çok daha mümkün olan birçok vakanın erken teşhis edilememesidir. Bu çalışmada Bilgisayarlı Tomografi insert ignore into journalissuearticles values(BT); görüntüleri kullanılarak tümörlerin ve nodüllerin tespit edilmesi, görüntülerden çıkarılan özelliklerin farklı sınıflandırma algoritmaları ile sınıflandırılması amaçlanmıştır. Kullanılan görüntüler DICOM formatında olup RIDER-Lung CT veri setine ait 26 görüntü üzerinde çalışılmıştır. Tümör bölgesi farklı akciğer segmentasyon yöntemleri kullanılarak elde edilmiş, tümöre ait pek çok özellik hesaplanmıştır. Hesaplanan özelliklerden istatistiksel olarak anlamlı insert ignore into journalissuearticles values(p<0,05); olanları sınıflandırma için kullanılmıştır. Anlamlı özellikler Karar ağaçları insert ignore into journalissuearticles values(Decision Trees); algoritmaları, Destek Vektörü Makinesi insert ignore into journalissuearticles values(SVM);, Yakın Komşuluk Sınıflandırması insert ignore into journalissuearticles values(KNN); sınıflandırıcı algoritmaları ve Diskriminant analizi ile sınıflandırılarak sonuçlar karşılaştırılmıştır. Bu algoritmaların doğruluk oranları karar ağaçları %97, SVM %96,6, KNN %93,6, Diskriminant analizi %97 olarak sonuç vermiştir. Yöntemler hassasiyet ve duyarlılık olarak karşılaştırıldığında ise her iki nicelik Kuadratik SVM ve Diskriminat analizinde % 95 üstüdür. Bu karşılaştırmalar sonucunda yöntemlerin yüksek başarı oranları ile umut verici olarak gelecek çalışmalarda kullanılabileceği görülmüştür.
Keywords : Akciğer kanseri, Akciğer segmentasyonu, görüntü işleme, makinalı öğrenme

ORIGINAL ARTICLE URL