TY  - JOUR
T1  - Bilgisayarlı Tomografi Görüntüleri Üzerinde Karaciğer Bölgesinin Bilgisayar Destekli Otomatik Bölütleme Uygulaması
AU  - Dandıl, Emre
PY  - 2019
DA  - September
DO  - 10.29109/gujsc.525257
JF  - Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji
JO  - GUJS Part C
PB  - Gazi Üniversitesi
WT  - DergiPark
SN  - 2147-9526
SP  - 712
EP  - 728
VL  - 7
IS  - 3
LA  - tr
AB  - Son yıllarda tıp alanında, görüntüleme tekniklerininsıklıkla kullanılması sayesinde Bilgisayar Destekli Tespit (BDT) sistemlerikendisine geniş bir yer bulmuştur. BDT görüntüişleme uygulamalarında en önemli aşama bölütleme işleminin yüksek doğruluk ile yapılmasıdır.Bu çalışmada, karın bölgesinden çekilen Bilgisayarlı Tomografi(BT) görüntüleriüzerinde karaciğerin bölütlenmesi için bilgisayar destekli otomatik bir yöntemve bir uygulama yazılımı geliştirilmiştir. Bölütleme için Bölge Büyütme (RG) veBulanık C-Ortalamaları (FCM) algoritmalarından yararlanılmıştır. Bualgoritmalar ile yapılan bölütlemelerin başarımını tespit etmek için alanındauzman bir hekimden destek alınmıştır. Buamaçla uzman tarafından yapılan seçim ölçüt olarak kullanılarak RG ve FCMalgoritmaları ile bilgisayar destekli olarak elde edilen bölütleme sonuçlarıkarşılaştırılmıştır. Karşılaştırma ölçütü olarak Jaccard benzerlik ölçütükullanılmıştır. 88 BT görüntüsü üzerinde yapılan deneysel çalışmalarda Jaccardbenzerlik ölçütüne göre RG algoritmasında %91.15 ve FCM algoritmasında %75.16bölütleme için ortalama başarım değerleri bulunmuştur. Sonuç olarak BölgeBüyütme algoritması ile yapılan bölütleme işlemlerinin daha başarılı olduğugörülmüştür. Ayrıca, benzerlik ölçümleri sonucunda bulunan nicel değerlerinistatiksel olarak anlamlılık testlerinin değerlendirilmeleri degerçekleştirilmiş ve RG algoritması ile elde edilen daha başarılı bölütlemesonuçlarının, anlamlı bir fark ortaya koyduğu sonucuna ulaşılmıştır. Bunlara ekolarak, benzerlik ve anlamlılık testleri ile beraber işlem zamanlarınınkarşılaştırmaları da yapılmış ve burada da RG ile yapılan bölütleme işleminindaha hızlı olduğu sonucuna ulaşılmıştır. Tüm bu elde edilen bulgular ile bu tezçalışmasında karaciğerin bölütlenmesi için önerilen bilgisayar destekliyöntemin ve geliştirilen yazılımın, hekimlerin karar verme aşamalarında ikincilbir yardımcı araç olarak kullanılabileceği görülmüştür.
KW  - Karaciğer BT Görüntüsü
KW  - Bilgisayar Destekli Tespit
KW  - Görüntü Bölütleme
KW  - Bulanık C-Ortalamaları
KW  - Bölge Büyütme
CR  - [1]	D. Pescia, Segmentation of liver tumors on CT images, Ecole Centrale de Paris, MAS laboratory, 2011.
CR  - [2]	Z. Ekşi, E. Dandıl, M. Çakıroğlu, Computer-aided bone fracture detection, 20th Signal Processing and Communications Applications Conference (SIU'12), Fethiye, Turkey, 18-20 April, 2012.
CR  - [3]	S. Gül, G. Çetinel, Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi, Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22:1(2018) 108-127.
CR  - [4]	X. Lu, The study and application of the improved region growing algorithm for liver segmentation, School of Information Engineering, Inner Mongolia University of Science and Technology, Baoto, 2013.
CR  - [5]	K. S. Seo, Improved fully automatic liver segmentation using histogram tail threshold algorithms, ICCS 2005, pp. 822–825, 2005.
CR  - [6]	K. Yokoyama, T. Kitasaka, K.Mori, Y. Mekada, J. L. Hasegawa, J.L. Toriwaki, Liver region extraction from 3D abdominal X-ray CT images using distribution features of abdominal organs, Journal of Computer Aided Diagnosis of Medical Images, 7:4-3(2003) 48-58.
CR  - [7]	O. Toshiyuki, S. Ryuji, H. Masatoshi, N. Masahiko, W. C. Yen, N. Hironobu, S. Yoshinobu, Automated Segmentation of the Liver from 3D CT Images Using Probabilistic Atlas and Multilevel Statistical Shape Model, Academic Radiology, 15:11(2008) 1390-1403.
CR  - [8]	X. Zhou, T. Kitagawa, K. Okuo, T. Hara, H. Fujita, R. Yokoyama, M. Kanematsu, H. Hoshi, Construction of a probabilistic atlas for automated liver segmentation in non-contrast torso CT images, International Congress Series, 1281, pp.1169-1174, 2005.
CR  - [9]	S. Pan, B. M. Dawant, Automatic 3D segmentation of the liver from abdominal CT images: a level-set approach, Medical Imaging 2001: San Diego, CA, USA, pp. 128-138, 2001.
CR  - [10]	J. Lee, N. Kim, H. Lee, J. B. Seo, H. J. Won, Y. M. Shin, Y. G. Shin, S. H. Kim, Efficient liver segmentation using a level-set method with optimal detection of the initial liver boundary from level-set speed images, Computer Methods and Programs in Biomedicine, 88:1(2007) 26-38.
CR  - [11]	G. Bekes, L.G. Ny´ul, E.M´at´e, A. Kuba, M. Fidrich, 3D segmentation of liver, kidneys and spleen fromCT images, International Journal of Computer Assisted Radiology and Surgery, 2:1(2007) 45–46.
CR  - [12]	F. Liu, B. Zhao, P. K. Kijewski, L. Wang, L. H. Schwartz, Liver segmentation for CT images using GVF snake, Medical Physics, 32:12(2005)3699-3706.
CR  - [13]	S. Huang, B. Wang, X. Huang, Using GVF Snake to Segment Liver from CT Images, International Summer School and Symposium on Medical Devices and Biosensors, MIT, Boston, IEEE-EMBS, pp. 145-148, 2006.
CR  - [14]	J.-S. Hong , T. K. R. Sekiguchi, K.-H. Park, Computer-aided Diagnostic System Based on Liver CT image, MVA2000 IAPR, Workshop on Machine Vision Applications, pp. 419-422, 2000.
CR  - [15]	S. S. Kumar, R. S. Moni, J. Rajeesh, An automatic computer-aided diagnosis system for liver tumours on computed tomography images, Computers and Electrical Engineering, 39(2013)1516-1526.
CR  - [16]	Y. Häme, M. Pollari, Semi-automatic liver tumor segmentation with hidden markov measure field model and non-parametric distribution estimation, Medical Image Analysis, 16(2012)140-149.
CR  - [17]	A. Militzer, et al., Automatic detection and segmentation of focal liver lesions in contrast enhanced CT images, IEEE 2010 20th International Conference on Pattern Recognition (ICPR), 2010.
CR  - [18]	M. Ciecholewski, Automatic liver segmentation from 2D CT images using an approximate contour model, Journal of Signal Processing Systems, 74:2(2014)151-174.
CR  - [19]	R. Gonzalez, R.E. Woods, S.L. Eddins, Digital Image Processing Using Matlab, Prentice Hall, USA, 2004.
CR  - [20]	S. Öztürk, N. Öztürk, Yapay Arı Koloni Algoritması Kullanılarak Görüntü İyileştirme Yönteminin Geliştirilmesi, Gazi Üniversitesi Fen Bilimleri Dergisi Part:C, Tasarım Ve Teknoloji GU J Sci Part:C, 4:4(2016)173-183.
CR  - [21]	D. Sönmezer, Counting mitosis with region growing method on histopathological images, Master Thesis, Erciyes University, 2012.
CR  - [22]	R. Suganya, R. Shanthi, Fuzzy C-Means Algorithm- A Review, International Journal of Scientific and Research Publications, 2:11(2012).
CR  - [23]	R. Kruse, C. Borgelt, D.Nauck, Fuzzy Data Analysis: Challenges and Perspectives, IEEE Int. Conf. on Fuzzy Systems 1999 (FUZZIEEE99), Seoul, pp. 1211-1216, 1999.
CR  - [24]	P. Jaccard, The distribution of the flora in the alpine zone, NewPhytologist, 11:2(1912) 37-50.
UR  - https://doi.org/10.29109/gujsc.525257
L1  - https://dergipark.org.tr/tr/download/article-file/801913
ER  -