Rule-Based Lung Region Segmentation and Nodule Detection via Genetic Algorithm Trained Template Matching

Öz

Anahtar Kelimeler

• -

Rule-Based Lung Region Segmentation and Nodule Detection via Genetic Algorithm Trained Template Matching

Öz

Bu çalışmada akciğer bilgisayarlı tomografi (BT) görüntülerindeki nodüllerin bilgisayarlı tespiti gerçekleştirilmiştir. Öncelikle akciğer bölgesinin kural tabanlı bölütlendirilmesi gerçekleştirilmiştir. Ardından BT görüntülerindeki yoğunluk değerleri ve eşik değerleri ile 8 yönlü tarama yapılarak ilgi alanları belirlenmiştir. İlgi alanlarının sayısını azaltmak amacıyla alt ve üst kesitlerdeki konum değişimleri incelenmiştir. Son olarak şablon eşleme tabanlı bir yöntem ile ilgi alanları şekilsel özelliklerine göre sınıflandırılmıştır. Şablonun değerlerinin hesaplanması için genetik algoritma yöntemi kullanılmıştır. Çalışmanın test edilmesi amacıyla 153 adet nodül bulunan 12 hastaya ait 276 normal ve anormal görüntü kullanılmıştır. Sonuçta duyarlılığın görüntü başına 0.594 yanlış pozitif oranıyla %93.4’a ulaştığı görülmüştür

Anahtar Kelimeler

• Akciğer Bölge Tespiti, Şablon Eşleme, Genetik Algoritma, Akciğer Nodül Tespiti

Kaynakça

1. Armato, S. G., Giger, M. L., Moran, C. J., Blackburn, J. T., Doi, K., and MacMahon, H., (1999), “Computerized Detection of Pulmonary Nodules on CT Scans”, Radiographics, 19, 1303-1311.
2. Brown, M. S., McNitt-Gray, M. F., Goldin, J. G., Suh, R. D., Sayre, J. W., and Aberle, D. R., (2001), “Patient-Specification Models for Lung Nodule Detection and Surveillance in CT Images”, IEEE Transactions on Medical Imaging, 20, 1242- 1250.
3. Giger, M. L., Bae, K. T., and MacMahon, H., (1994), “Computerized Detection of Pulmonary Nodules in Computed Tomography Images”, Investigate. Radiol., 29, 459-465.
4. Greenlee, R. T., Nurray, T., Bolden, S., and Wingo, P. A., (2000), “Cancer Statistics 2000”, CA Cancer J. Clin., 50, 7-33.
5. Hounsfield, G. N., (1980), “Computed Medical Imaging”, Med. Phys., 7, 283-290.
6. Kanazawa, K., Kawata, Y., Niki, N., Satoh, H., Ohmatsu, H., Kakinuma, R., et al., (1998), Computer-Aided Diagnostic System for Pulmonary Nodules Based on Helical CT Images, In: K. Doi, H. MacMahon, ML. Giger, K. Hoffmann, eds., Computer-Aided Diagnosis in Medical Imaging, Amsterdam, The Netherlands: Elsevier Science, 131-136.
7. Lo, S. C. B., Lou, S. L. A., Lin, J. S., Freedman, M., Chien, M. V., and Mun, S. K., (1995), “Artificial Convolutional Neural Network Techniques and Applications for Lung Nodule Detection”, IEEE Trans. Med. Imag., 14, 711-718.
8. Ozekes, S., Osman, O., and Camurcu, A. Y., (2005), “Mammographic Mass Detection Using a Mass Template”, Korean J. Radiol, 6, 3, 221-228.

9. Ozekes, S., and Camurcu, A. Y., (2006), “Automatic Lung Nodule Detection Using Template Matching”, Lecture Notes in Computer Science, 4243, 247-253.
10. Penedo, M. G., Carreira, M. J., Mosquera, A., and Cabello, D., (1998), “Computer- Aided Diagnosis: A Neural-Network-Based Approach to Lung Nodule Detection”, IEEE Transactions on Medical Imaging, 17, 872-880.
11. Samuel, G., Armato, III. Geoffrey M., Michael, F., Charles, R., David, Y., et al., (2004), “Lung Image Database Consortium-Developing a Resource for The Medical Imaging Research Community”, Radiology, 739-748.
12. Xu, X. W., Doi, K., Kobayashi, T., MacMahon, H., and Giger, M., (1997), “Development of an Improved CAD Scheme for Automated Detection of Lung Nodules in Digital Chest Images,” Med. Phys., 24, 1395-1403.