Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13091/230
Title: MR görüntülerinden sürrenal lezyonların karakterizasyonu
Other Titles: Characterization of adrenal lesions by using MR images
Authors: Ceylan, Rahime
Barstuğan, Mücahid
Keywords: Elektrik ve Elektronik Mühendisliği
Electrical and Electronics Engineering
Sürrenal Lezyon
Manyetik Rezonans
Lezyon Segmentasyonu
Bilgisayar Destekli Teşhis
Lezyon Sınıflandırması
Adrenal Tumor
Magnetic Resonance
Tumor Segmentation
Computer Aided Diagnosis
Tumor Classification
Issue Date: 2019
Publisher: Konya Teknik Üniversitesi
Abstract: Sürrenal lezyonlar böbreküstü bezlerinde oluşan ve kötü huylu olabilen bir lezyon çeşididir. Böbreküstü bezleri karaciğer, omurilik, pankreas ve dalak arasında yer almaktadır. Bundan dolayı, böbreküstü bezleri üzerinde oluşan lezyonların, çevresindeki organlara yapışık olma ihtimali de bulunmaktadır. Bu ihtimal, sürrenal lezyonların segmentasyonunda ve sınıflandırılmasında bir problem olarak ortaya çıkmaktadır. Düşük kontrast, lezyonun şekil, büyüklük ve gri seviye çeşitliliği, segmentasyonu zorlaştıran etkenlerdendir. Ayrıca, farklı tür lezyonların birbirine yakın gri seviyeye sahip olmaları, aynı tür lezyonların şekil ve gri seviye açısından farklı olmaları da sınıflandırma başarısını düşüren problemlerden bazılarıdır. Gerçekleştirilen tez çalışmasında, Manyetik Rezonans (MR) görüntülerinden sürrenal lezyon segmentasyonu ve sınıflandırması için bahsedilen problemleri ortadan kaldırabilen bir Bilgisayar Destekli Teşhis (BDT) sistemi tasarlanmıştır. Önerilen BDT sistemi iki ana aşamadan oluşmaktadır. İlk aşamada sürrenal lezyon segmentasyonu, ikinci aşamada ise sürrenal lezyon sınıflandırması yapılmıştır. Tez çalışması, Selçuk Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı'ndan alınan 114 MR görüntüsü ile gerçekleştirilmiştir. Sürrenal lezyon segmentasyonu için önerilen sistem ile lezyonların sahip olduğu bazı problemler ortadan kaldırılmış ve %82,09 Dice Katsayısı, %71,24 Jaccard Oranı, %99,84 Doğruluk değerlerine ulaşılmıştır. Önerilen BDT sisteminin ikinci aşamasında; sürrenal lezyonların iyi huylu ve kötü huylu olarak sınıflandırılmasında, Destek Vektör Makineleri ile %98,4 doğruluk ve %99,13 F-skor değeri elde edilmiştir. İkinci aşamada ek olarak; sürrenal lezyonların tür karakterizasyonunda, Yapay Sinir Ağları ile %93,19 doğruluk ve %54,94 F-skor değeri elde edilmiştir. Ayrıca, tez çalışmasında kullanılan görüntülerde gürültü analizi yapılmış ve sınıflandırmaya olan etkileri incelenmiştir.
Adrenal tumors occur on adrenal glands and can be malign. Adrenal glands are placed between liver, spinal cord, pancreas, and spleen. Therefore, tumors that occur on adrenal glands can be adherent to neighbor organs. This is a problem in segmentation and classification of adrenal tumors. Low contrast, shape, size, and grey-level varieties of the tumors are some of the factors, which complicate the segmentation. Also, the problems such as different tumors have similar grey-level and the same tumors are different according to their shapes and grey-levels situations reduces the classification performance. This study propose a Computer Aided Diagnosis (CAD) system, which can eliminate the mentioned problems, to segment and classify adrenal tumors on Magnetic Resonance (MR) images. The proposed CAD system consists of two main stages. The first stage is adrenal tumor segmentation, and the second stage is adrenal tumor classification. This study was performed on 114 MR images that were taken from Radiology Department of Medicine Faculty at Selcuk University. Some of the problems of tumors were removed during segmentation and Dice Coefficient, Jaccard Rate and Accuracy metrics were obtained as 82.09%, 71.24%, %99.84, respectively. In the second stage of CAD system; during the adrenal tumor classification as benign or malign, accuracy and F-score metrics were obtained as 98.4% and 99.13% by Support Vector Machines classifier. In addition, during the adrenal tumor type characterization, accuracy and F-score metrics were obtained as 93.19% and 54.94% by Artificial Neural Networks classifier. In addition, the noise analysis were implemented on the images used and effects of noises in the images to classification process were analyzed in this study.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=4J_FzTwlrMCH4qBROpXPH_rF3G8qoLBBCr0hHcd88yOc2yDTLXKONMlFjnfnBfCo
https://hdl.handle.net/20.500.13091/230
Appears in Collections:Tez Koleksiyonu

Files in This Item:
File SizeFormat 
616876.pdf72.28 MBAdobe PDFView/Open
Show full item record

CORE Recommender

Page view(s)

116
checked on Mar 20, 2023

Download(s)

28
checked on Mar 20, 2023

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.