BULANIK KÜMELEME ORTALAMASINA DAYALI GÖRÜNTÜ BÖLGESİ BÜYÜMESİYLE MELANOMA CİLT KANSERİ SEGMENTASYONU

Abstract

Melanom hastalığı, dünya çapında deri kanserine bağlı ölümlerin önde gelen nedenlerin başında gelir. Diğer taraftan, erken bir aşamada bulunursa, daha yüksek bir tedavi olasılığı vardır. Bu nedenle, çeşitli görüntüleme teknikleri incelenmiştir. Dermoskopi deri lezyonlarının dermatoskop ile incelenmesidir. Dermoskopi kullanımı, özellikle melanomun tanısında deri lezyonlarının teşhisi ve ayırt edilmesinde değerli bir yardımcıdır. Dermoskopi ile tanının doğruluğu çok önemlidir ve dermatologların deneyimine bağlıdır. Görsel inceleme zaman kaybıdır, bu nedenle dermatologların klinik değerlendirmesine yardımcı olmak için bilgisayar destekli tanı sistemlerinin geliştirilmesine büyük ilgi gösterilmiştir. Görüntü Bölütlemesi, dijital görüntü işleme ve tespit çalışmasında çok önemlidir, özellikle cilt kanseri gibi kronik hastalıklar ile ilgili birçok zor problemin çözümünde önemli bir rol oynar. Otomatik dermoskopi görüntülerinin analizi genellikle üç aşamadan oluşur: a) özellik seçimi ve çıkarımı, b) görüntü bölütleme ve c) özellik sınıflandırması. Bu tez çalışmasında MatLab simülasyon programlasını kullanarak, cilt görüntülerinde melanoma kanseri segmantasyon için klasik yöntemlerlerden farklı olarak, görüntü büyütme tekniği ile kanser bölgesinin daha net yerini belirlemek ve teşhis, tedavinin doğruluk yüzdesini belirlemek için yeni bir algoritma geliştirildi. Bu tezde bulanık bölge kümeleme yöntemini görüntü bölgesi büyütme yöntemiyle birleştirilmiştir. Bu yöntemlerin performansı, 200'den fazla görüntü için doğruluk ve duyarlılığa göre test edilmiştir. Sonuç olarak, önerilen yöntem melanom deri kanserlerinin sınırlarını bulmakta güçlüdür. Simülasyon sonuçları, Portekiz’de bulunan Pedro hastanesinin veri tabanından elde edilen değerlerle karşılaştırılmıştır. Yapılan çalışmada temel olarak 5 küme test edilerek en iyi sonuca ulaşılmıştır. Ayrıca çalışmada, bulanıklığa dayalı görüntü bölgesi büyütme yönteminin karşılaştırdığımız diğer yöntemlerden daha yüksek performansa sahip olduğu görülmüştür. Sonuç olarak, doğruluk, hassasiyet ve duyarlılık için en iyi performans sırasıyla 0.9685, 0.9542 ve 0.9829 değerleri arasında değişmiştir.