Development of graphical code-based algorithms for the detection of abnormalities in mammogram ımages

Günümüzde mamografi, meme kanserinin erken teşhisi için en iyi teknik ve yöntemdir. Meme kanserine işaret edebilecek en yaygın anormallikler ortaya çıkan kitlelerdir. Ayrıca meme kanseri teşhisine yol açabilecek bazı işaretler vardır mesela; mimari bozulma ve iki taraflı asimetri. Genel olarak, mamografi görüntülerinde meme kanserini tespit etmek ve sınıflandırmak için bir algoritma kullanılır. Üç aşama sunulmaktadır: (1) Görüntü önişleme ve kütle bölümleme, (2) özellik seçimi ve çıkarma ve (3) sınıflandırma. Ön işleme aşaması olan ilk aşamada, görüntüyü iyileştirmek için bazı görüntü işleme teknikleri kullanılabilir ve ardından şüpheli kütleyi memenin mamografi görüntüsü içinde bölümlere ayırır. Görüntü budama, yumuşatma ve gauss filtreleri uygulama, eşikleme ve morfolojik işlemler görüntü işleme aşaması için örnekler ve adımlardır. İkinci aşama, bölümlenmiş kütleden bazı özellikler seçilir ve çıkarılır, bu özellikler, sınıflandırma aşaması olan son aşamada kütleyi sınıflandırmak için kullanılır. Son aşama sınıflandırmadır ve adından da anlaşılacağı üzere, bir önceki adımda parçalanmış kütlenin çıkarılan özelliklerine bağlı olarak kütleyi sınıflandırmak için bir sistemdir. Sınıflandırma için bazı farklı algoritmalar vardır mesela; Destek Vektör Makinesi (DVM) ve Yapay Sinir Ağı (YSA). Bu sistemde sınıflandırma aşamasında en iyi sonucu elde etmek için YSA makine öğrenme aracı kullanılmaktadır.