Karaciğerin bilgisayarlı tomografi görüntülerinin su havzası ve eşikleme algoritmaları ile otomatik olarak bölütlenmesi

Bilgisayarlı tomografi görüntüleme günümüzde hastalıkların kontrolü ve teşhisi için yaygın olarak kullanılmaktadır. Medikal görüntülerin segmantasyonu ise özellikle kanser teşhisi ve tedavisi için oldukça önemlidir. Bu çalışmada, karaciğerin bilgisayarlı tomografi görüntülerindeki segmentler iki farklı metot olan su havzası algoritması ve histogram eşikleme yöntemleri kullanılarak belirlenmiştir. Segmentasyon öncesinde görüntülere ön işleme yapılmıştır. İlk olarak görüntüler gri ölçeğe dönüştürülmüştür. Daha sonra, görüntüler bilateral filtre ile yumuşatılmıştır. Su havzası tekniğini uygulamak için kenarlar Gradient operatörü ile çıkarılmıştır. Özellikleri bakımından en yakın bölütler birleştirilerek su havzası algoritması yönteminden kaynaklanan çok sayıda bölütlenmenin üstesinden gelinmiştir. Birleştirme, bulanık c-ortalamalar ve k-ortalamalar algoritmaları ile segmentlerin ortalama, standart sapmaları ve özellikleri gruplandırılarak, özelliklerin vektör nicemlemesi ile yapılmıştır. Görüntüler karaciğer, omurga, tümör, astar ve diğer kısımlara karşılık gelmek üzere beş segmente ayrılmıştır. Histogram eşiklemede, yumuşatılmış görüntüden Otsu metodu ile çoklu eşik seviyeleri elde edilmiş ve bölütleme uygulanmıştır. İki yaklaşımın sonuçları karşılaştırılmıştır. Segment sınıflarını belirlemek için özellik olarak piksel değeri, yönlü türev, bölgesel ikili model, pikselin komşulukları ile olan farkı kullanılmıştır. Bölgelerin sınıflandırılması, tek bir pikselden doğrusal diskriminant analiz sınıflayıcıyla, segmentten ise k en yakın komşu sınıflayıcısıyla, 25 görüntünün 13'ü eğitim 12'si test şeklinde iki gruba bölünerek yapılmıştır. En iyi doğruluk yüzdesi, eşikleme algoritması kullanılarak; segment için yapılan sınıflandırmada yönlü türev ve pikselin komşulukları ile olan farkı özellikleri ile % 100 olarak elde edilirken, tek bir piksel için yapılan sınıflandırmada pikselin komşulukları ile farkı özelliği ile % 99.57 olarak elde edilmiştir. Bu uygulama, medikal görüntülerdeki dokuları bölütleyerek, ameliyat öncesinde segmentler hakkında fikir vermesi açısından doktorlara yardımcı olabilir.