İki boyutlu medikal görüntülerde histogram tabanlı küme kestirim metodu ile yarı otomatik segmentasyon yöntemlerinin geliştirilmesi

Medikal görüntülerin bilgisayar ya da bir uzman tarafından yorumlanmasından önce görüntünün anlamlı parçalara bölütlenerek sonraki görü işlemi için hazırlanması doğru yönlendirme ve teşhis aşamasında son derece hayati önem taşımaktadır. Bölütleme algoritmalarının doğru sonuca ulaşabilmeleri ise küme sayısının doğru olarak tahmin edilmesine bağlıdır. Bu çalışmada iki boyutlu medikal görüntülerde küme sayısının ve tahmini küme merkezlerinin tespitinin yapılması ve yarı otomatik bir bölütleme algoritmasının geliştirilmesi hedeflenmiştir. Bu hedef doğrultusunda, Histogram Tabanlı Küme Kestirim (HBCE – Histogram Based Cluster Estimation) metodu geliştirilmiştir. Geliştirilen HBCE metodu ile küme sayısı ve tahmini küme merkezi bilgisi elde edilmiş ve bu bilgi K-ortalama, Biyocoğrafya Tabanlı Optimizasyon (BBO - Biogeography Based Optimisation), Parçacık Sürü Optimizasyonu (PSO), Darwinci Parçacık Sürü Optimizasyonu (DPSO), Fraksiyonel Düzen Darwinci Parçacık Sürü Optimizasyonu (FODPSO) ve bu algoritmaların merkez tabanlı olarak düzenlenmiş halleri olan mPSO, mDPSO, mFODPSO algoritmalarından herhangi birine verilerek bölütleme işlemi gerçekleştirilmiştir. Gerçekleştirilen çalışmanın test edilmesinde Uluslararası Cilt Görüntüleme İşbirliği (ISIC- The International Skin Imaging Collaboration) veritabanından elde edilen dermoskopi görüntüleri ve bu görüntülere ait insan bölütleme sonuçları kullanılmıştır. Bölütleme işlemini daha anlaşılır ve kolay hale getirmek için MATLAB™ ortamında bir arayüz geliştirilmiştir. Bölütleme performanslarını test etmek için, Rand Index (RI), Global Consistency Error (GCE), Dice Skoru, Jaccard indeksi, Doğruluk, Hassasiyet, Özgünlük değerleri kullanılmıştır. Yapılan karşılaştırmalı testler sonucunda HBCE algoritmasından alınan küme sayısı bilgisi ve tahmini küme merkezi değerlerinin bir parçacık için bölütleme algoritmalarına verilmesinin hem bölütleme algoritmasının performansını artırdığı hem de algoritma kararlılığını iyileştirdiği gözlemlenmiştir. Ayrıca merkez tabanlı hale getirilen mDPSO algoritmasının diğer algoritmalara nazaran daha iyi sonuçlara (%94,677 doğruluk) ulaştığı sonucuna varılmıştır.