Tomografide temel beyin tanılarının otomatik tespiti

Bilgisayarlı tomografi (BT) sağlık kuruluşlarının görüntüleme bölümlerinde manyetik rezonans (MR) ile beraber en sık kullanılan kesitsel tanı ünitesidir. Tomografi ve MR cihazlarının şüphe edilen hastalık türüne göre tanı koymada birbirlerine üstünlükleri mevcuttur. Bu nedenle hekimler tanılama için cihaz seçimlerini ön bulgulara göre yapmaktadır. Tomografi cihazının özellikle kanama durumlarında ve kemik kırıklarında üstünlüğü mevcuttur. Buna bağlı olarak acil hizmetlerde tomografi ünitesi MR ünitesine göre daha yoğun kullanılmaktadır. Tanı süreci; hastanın ilgili üniteye yönlendirilmesi ile başlar. Sonrasında ilgili ünitede radyoloji teknikerleri tarafından çekimin gerçekleştirilir. En sonunda oluşan görüntüler radyoloji uzmanı tarafından yorumlanır ve yorumların diktasyonu sağlanır. Diktasyon sonucu oluşan rapor, tanılama sürecinin neticesidir. Her bir hasta için süreç bu şekilde baştan sona ilerleyerek tamamlanır. Tanılama sürecinin hızı ve doğruluğu hayati önem arz etmektedir. Bu tezde, bilgisayarlı tomografi cihazında elde edilen beyin görüntülerinin otomatik olarak işlenmesi ve acilde en sık görülen temel tanılar olan kanama ve enfarkt tanılarının otomatik olarak tespitini sağlayacak bir yazılım oluşturulması üzerinde çalışılmıştır. Çalışmada, mevcut görüntü işleme ve makine öğrenmesi algoritmaları kullanılarak tomografi görüntülerinden tanı yapılabilmesi incelenmiştir. Temel olarak, ilk aşamada tomografi görüntülerinin, sayısal görüntü işleme teknikleri ile öncelikle iyileştirilmesi ele alınmıştır. İyileştiren görüntülerden daha sonra yine farklı görüntü işleme yöntemleri ile tanı yapılabilmesi amacı ile öznitelik çıkarma yöntemleri incelenmiştir ve otomatik tanı yapılabilmesine en uygun öznitelik parametrelerinin seçilmesi gerçekleştirilmiştir. Son aşamada ise elde edilen öznitelikler ile sınıflandırma işlemi uygulanarak bilgisayarın otomatik olarak karar vermesi sağlanmıştır. Bu noktada literatürde en sık kullanılan sınıflandırıcı algoritma olan destek vektör makineleri (SVM) sınıflandırıcısı kullanılmıştır. Deneyler sırasında tamamen normal beyin bilgisayarlı tomografi görüntülerinin yanı sıra kanama ve enfarkt tanılarına sahip gerçek görüntüler veritabanı olarak kullanılmıştır. Öznitelik belirleme için lokal ikili örüntü (LBP) yöntemi tercih edilmiştir. Görüntü işlemede kullanılacak dönüşümler ve öznitelikler için optimal parametreler belirlenmiştir. Tüm test ve işlemler MATLAB programı vasıtasıyla yapılmıştır. Testler kapsamında görüntü iyileştirme yöntemlerinin uygulanmadığı ve her birinin tekil ve farklı kombinasyonlarının uygulandığı tüm durumlar ele alınmıştır. Gerçekleştirilen testlerde kanama vak'aları için en yüksek %67 doğru tespit oranına, enfarkt vak'aları için ise en yüksek %81 doğru tespit oranına erişilmiştir.