Özet:
Medikal veriler hastalıkların tanı ve teşhisinde kullanmaya uygun çok değerli bilgiler içermektedir. Ancak veri setlerinin büyüklüğü ve karmaşıklığı verilerin sınıflandırılmasını zorlaştırmaktadır. Bu durum tıbbi veriler üzerinde otomatik tespit sistemlerinin yaygın hale gelmesini sağlamıştır. Bu verilerden birisi de bu tez çalışmasının konusu olan diz eklemi menisküs yapılarıdır. Menisküs yırtıkları, özellikle sporcularda ve ileri yaşlarda yaygın olarak görülen diz rahatsızlıklarından biridir. Bu yüzden doğru teşhisin doğru zamanda konulması osteoartrite gibi dizde oluşabilecek farklı rahatsızlıkların önüne geçilmesini sağlamaktadır. Bu çalışma, radyologları desteklemek için (i) menisküslerin bölütlenmesi ve yırtıkların tespit edilmesi, (ii) erken teşhis ve tedavinin sağlanması ve (iii) manyetik rezonans (MR) görüntülerini değerlendirenlerin farklılıklarından kaynaklanan hataların azaltılması için bilgisayara dayalı ve otomatikleştirilmiş yeni yaklaşımlar önermektedir. Gerçekleştirdiğimiz çalışmalarda bu amaçlar doğrultusunda Osteoartrite Girişimi (OAI) tarafından sağlanmış sagital düzlemde elde edilmiş, denge durumunda su-uyarımlı çift yankılı standardında MR görüntüleri kullanılmıştır. Tez kapsamında iki farklı ve kapsamlı çalışma gerçekleştirilmiştir. İlk çalışmada yönlendirilmiş gradyan histogramları (HOG) ve yerel ikili örüntüler (LBP) MR görüntülerinden özellik çıkarımı için, aşırı öğrenme makinesi (ELM) ve rastgele ormanlar (RF) yöntemleri de model öğrenmede (regresyon) kullanılmıştır. Öncelikle menisküsleri sınırlayan en ufak dikdörtgen pencereler bulunmaktadır. Bundan sonra, menisküs sınırları morfolojik
süreçlerle açığa çıkarılmaktadır. Ardından, bu sınırlar ile gerçek sınırlar arasındaki benzerlikler ölçülmekte ve birbirleriyle karşılaştırılmaktadır. Dice benzerlik ölçütüne göre en yüksek menisküs bölütleme başarısı % 82.73’tür. İkinci çalışmada menisküslerin bölütlenmesi ve menisküs yırtıklarının otomatik olarak sınıflandırılması için önceki yöntemden farklı ve yeni bir yaklaşım önerilmiştir. Bu çalışma ise ön işleme, bölütleme ve sınıflandırma olmak üzere üç temel aşamadan oluşmaktadır. Ön İşlem aşamasında MR kesit görüntülerinden menisküslerin yer aldığı pencerelerin elde edilmesi işlemi gerçekleştirilmiştir. Bölütleme aşamasında bulanık c-ortalamalar (BCO), mekansal bulanık c-ortalamalar (MBCO) ve güçlendirilmiş mekansal bulanık c-ortalamalar (GMBCO) kümeleme yöntemleri ile menisküs yapıları bölütlenmiştir. Bölütlenmiş görüntüleri sınıflandırarak menisküs yırtıklarını tespit etmek için ise en yakın k komşuluğu (kNN), aşırı öğrenme makinesi (ELM) ve destek vektör makineleri (SVM) sınıflayıcıları kullanılmıştır. Yöntem menisküslerde yırtıkların olup olmadığını, eğer varsa yırtıkların menisküsün hangi bölgesinde (Ön boynuz, menisküs gövdesi, arka boynuz) olduğunu ve yırtık tiplerinin (yatay, dikey vb.) ne olduğunu 3-4 dakikalık bir süre zarfında ortaya koymaktadır. Önerdiğimiz sistem literatürde daha önce gerçekleştirilmemiş olan, menisküsleri yırtık tiplerine göre sınıflandırma işlemini %84.97’lik bir başarı oranı ile gerçekleştirmektedir. Bu yönleri sayesinde çalışma kapsamında önerilen bilgisayar destekli teşhis sistemleri (CAD) radyoloji uzmanları tarafından menisküs bölütlenmesinde ve menisküs yırtıklarının teşhisinde bir karar destek sistemi olarak kullanılabilir.