Görüntü işleme yöntemleri kullanılarak medikal abdominal görüntülerde böbrek yeri ve böbrek taşlarının tespiti ve analizi
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Niğde Ömer Halisdemir Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Yapılan çalışmada Toplu Kanal Özellikleri (ACF; Aggregate Channel Features), eşikleme ve morfoloji yöntemleri birleştirilerek kullanıcı müdahalesi gerekmeksizin abdominal BT (Bilgisayarlı Tomografi) görüntülerinde otomatik böbrek ve böbrek taşı tespiti gerçekleştiren bir yöntem önerilmiştir. ACF yöntemi daha az etiketli veri ile eğitim yaparak otomatik böbrek tespiti gerçekleştirir. Buna ek olarak, ACF herhangi bir ön işlemeye, görüntü iyileştirmeye ihtiyaç duymaz. ACF ile tespit edilen böbrek bölgelerine eşikleme ve morfolojik işlemler uygulanarak sadece böbrek bölgelerinde taş tespiti gerçekleştirilir. Bu sayede abdominal BT görüntülerinde, böbrek sınırı dışında kalan taşa benzer nesneler değerlendirmeye alınmamıştır. ACF yöntemi 150 adet abdominal BT görüntüsünden oluşan veri setine uygulanmıştır. Yöntemin performansı karışıklık matrisi ile değerlendirilmiştir. Deneysel sonuçlar ACF, eşikleme ve morfoloji yöntemlerinin abdominal BT görüntülerinde böbrekleri ve böbrek taşlarını başarılı bir şekilde tespit ettiğini göstermiştir.
In this study, a method that performs automatic kidney and kidney stone detection in abdominal Computed Tomography (CT) images without user interference is proposed by combining Aggregate Channels Features (ACF), thresholding and morphology methods. ACF method performs automatic kidney detection by training with less labelled data. In addition, ACF does not require any pre-processing or image enhancement. By applying thresholding and morphological operations to the kidney regions detected with ACF, stones are detected only in the kidney regions. In this way, stone-like objects outside the kidney boundary in abdominal CT images are not evaluated. The ACF method was applied to a dataset consisting of 150 abdominal CT images. The performance of the method is evaluated by confusion matrix. Experimental results show that ACF, thresholding and morphology methods successfully detect kidneys and kidney stones in abdominal CT images.
In this study, a method that performs automatic kidney and kidney stone detection in abdominal Computed Tomography (CT) images without user interference is proposed by combining Aggregate Channels Features (ACF), thresholding and morphology methods. ACF method performs automatic kidney detection by training with less labelled data. In addition, ACF does not require any pre-processing or image enhancement. By applying thresholding and morphological operations to the kidney regions detected with ACF, stones are detected only in the kidney regions. In this way, stone-like objects outside the kidney boundary in abdominal CT images are not evaluated. The ACF method was applied to a dataset consisting of 150 abdominal CT images. The performance of the method is evaluated by confusion matrix. Experimental results show that ACF, thresholding and morphology methods successfully detect kidneys and kidney stones in abdominal CT images.
Açıklama
Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
