Görüntü işleme teknikleriyle meme kanserinin teşhisi

Meme kanseri hem dünyada hem de ülkemizde kadınlar arasında en sık görülen ve yüksek oranlarda ölüme neden olan kanser türüdür. Ülkemizde kanser istatistiklerine bakıldığında meme kanseri tüm kadın kanserlerinin yaklaşık % 25,6'sını oluşturmaktadır. Türkiye'de her 8 kadından birisinde meme kanseri görülmektedir. Meme kanseri yüzünden gerçekleşen ölümlerin azaltılmasında en etkin yöntem erken teşhis ve tedavidir. Erken teşhis için kullanılan en yaygın yöntem mamografidir. Mamografi meme kanseri için tasarlanan özel bir röntgen tekniğidir. Mamografi ile elde edilen görüntüler sayesinde memede elle muayene ile fark edilemeyecek kadar küçük değişiklikler bile belirlenebilmektedir. Mamografilerin yorumlanması uzman radyologlar tarafından yapılmaktadır. Fakat yorgunluk, iş yoğunluğu, insan gözünün kısıtlılığı vb. gibi etkenler radyologların mamografileri yanlış yorumlamasına neden olabilmektedir. Günümüzde, meme kanserinin teşhisinde yanlış ya da eksik yorumlamaya neden olabilecek etkileri azaltmak amacıyla radyoloğa yardımcı olacak otomatik algılama sistemleri geliştirilmektedir. Bu sistemlere Bilgisayar Destekli Teşhis (BDT) sistemleri denilmektedir. BDT yazılımları, memedeki anormallikleri tespit etmek için çeşitli görüntü işleme algoritmaları kullanmaktadır ve meme kanserinin tanısı ve teşhisinde radyoloji uzmanlarına ikinci bir görüş olarak yardımcı olmaktadır. Nihai karar radyolog tarafından verilmektedir. Bu çalışmada mamogramlarda görülen anormalliklerin tespiti ve sınıflandırılması amacıyla bir BDT sistemi geliştirilmiştir. Bu sistem başlıca beş bölümden oluşmaktadır. Bunlar sırasıyla; ön işleme, bölütleme, öznitelik çıkarımı, öznitelik seçimi ve sınıflandırmadır. Ön işleme aşamasında görüntüyü iyileştirmek ve gürültüyü azaltmak amacıyla medyan filtre, biortogonal dalgacık analizi, anizotropik difüzyon yöntemi, adaptif histogram eşitleme yöntemi kullanılmıştır. Ayrıca ön işleme aşamasının önemli bir kısmını teşkil eden pektoral kasın çıkarılması için bu tez kapsamında geliştirilen Tek Yönlü Kenar İşaretleme (Single Sided Edge Marking-SSEM) isimli yeni bir algoritma kullanılmıştır. Şüpheli bölgelerin tespiti amacıyla Otsu N eşikleme, Havrda & Charvat entropi yöntemleri ile birlikte yine bu tez kapsamında geliştirilen bir görüntü kümeleme algoritması olan w-BSAFCM, kullanılmıştır. Öznitelik çıkarımı için gri seviye eş oluşum matrisi, dalgacık analizi ve eğricik dönüşümü yöntemleri kullanılmıştır. Öznitelik azaltımı aşamasında Lineer Ayırıcı Analiz yöntemi kullanılmıştır. Son olarak, sınıflandırma aşamasında ise yapay sinir ağları, destek vektör makinesi (DVM) ve K- En yakın komşuluk sınıflandırıcıları kullanılmıştır. Tez çalışması kapsamında önerilen yöntem ve geliştirilen algoritmalar literatürde sıkça kullanılan MIAS veri tabanına ek olarak yeni bir mamogram veritabanı olan INBREAST veri tabanındaki görüntüler üzerinde de test edilmiş ve elde edilen sonuçlar literatürdeki diğer çalışmalarla karşılaştırılmıştır. Yapılan deneysel çalışmalarda mamogram görüntüleri, geliştirilen yöntemle ilk olarak normal ve anormal olarak sınıflandırılmış ardından anormal mamogramlar da kendi aralarında iyi huylu ve kötü huylu olarak sınıflandırılmışlardır. Yapılan tez çalışması için toplam 246 adet mamogram kullanılmıştır. MIAS veritabanından seçilen 70 normal ve 70 anormal mamogram ile INBREAST veri tabanından seçilen 53 normal ve 53 anormal mamogram üzerinde önerilen yöntemlerle yapılan sınıflandırma sonucunda en iyi sonuçlar eğricik analizi ile çıkarılan özniteliklerle sağlanmıştır. Eğricik analizi ile çıkarılan özniteliklerin lineer ayırıcı analiz ile boyutu azaltılmış ve eğricik analizi ile lineer ayırıcı analizin birlikte kullanıldığı durumda sınıflama başarısı % 100 olarak elde edilmiştir. Ayrıca mamogramların sınıflandırılması amacıyla gri seviye eş oluşum matrisi ve dalgacık analizi ile elde edilen özniteliklere ait sonuçlar karşılaştırmalı olarak sunulmuştur.