Derin öğrenme ve morfolojik görüntü işleme yöntemleri ile MR görüntülerinde otomatik menüsküs segmentasyonu

İnsan anatomisinde önemli bir işlevi olan menüsküsün muayenesinde Manyetik Rezonans (MR) Görüntüleme önemli bir rol oynamaktadır. MR görüntülerinin çeşitliliği dolayısıyla geleneksel görüntü işleme metotlarıyla menüsküsün otomatik olarak segmentasyonu oldukça zordur. Bir MR görüntü dizisi birden fazla görüntü karesinden oluşur ve ilgilenilen bölgenin özellikleri görüntü dizisi içerisindeki her bir görüntü karesinde değişiklik arz edebilir. Bu nedenle özellik çıkarma ve buna bağlı olarak segmentasyon için kod yazma işlemi oldukça zorlaşır. Derin öğrenme yöntemlerinden, Konvolüsyonel Sinir Ağları (CNN), özellik çıkarma işlemini doğrudan veri seti üzerinden gerçekleştirdiği için uzman tarafından özellik çıkarma gereksinimini ortadan kaldırır. Bölgesel Tabanlı Konvolüsyonel Sinir Ağları (Regions with CNN, R-CNN) ise CNN özelliklerini bölge önerileri ile kombine ederek CNN özelliklerinin nesne tespitinde kullanımını sağlar. Bu tez çalışması iki ana aşamadan oluşmaktadır. Birinci aşamada, MR görüntülerinden menüsküs bölgesinin tespiti için bir R-CNN modeli tasarlanmıştır. Tasarlanan R-CNN'in eğitiminin az miktarda menüsküs verisi ve daha az hesaplama yükü ile gerçekleştirebilmesi için öğrenme transferi kullanılmıştır. Çalışmanın ikinci aşamasında, R-CNN ile tespit edilen menüsküs bölgesinden menüsküs dokusunun segmentasyonu morfolojik görüntü işleme yöntemleri ile birlikte iki farklı MR görüntü dizisi kullanılarak gerçekleştirilmiştir. Menüsküs bölgesinin R-CNN ile otomatik olarak algılanması, menüsküs segmentasyon sürecini kolaylaştırırken iki farklı görüntü dizisinin farklı kontrast özelliklerinin morfolojik işlemlerle birlikte kullanılması menüsküs dokusunun çevresindeki dokulardan ayırt edilmesine olanak sağlamıştır. Bu çalışmanın sonucunda derin öğrenme yöntemleri ile morfolojik görüntü işleme yöntemlerinin bir arada kullanılmasıyla menüsküs segmentasyonunun başarılı bir şekilde uygulandığı görülmüş olup uzman hekime menüsküs tanılarında karar verebilmesi için bir karar destek sistemi olarak uygulanabileceği gösterilmiştir.