Özet:
Proton dansite (PD) ağırlıklı MR görüntülerinde homojenlik, sinyalin gürültüye oranının düşük olması ve kemik sınırlarının açıkça belirgin olmaması problemleri mevcuttur. PD ağırlıklı görüntülerin bu özellikleri PD görüntülerinin bölütlenmesini hatta gözle algılanmasını zorlaştırmaktadır. Çalışmanın amacı bilgisayar destekli tanı (BDT) sistemi geliştirerek normal ve anormal (ödemli ve Hill-Sachs deformiteli) humerus başı görüntülerini Hermite transformundan ve PHOG (Pyramid of histograms of orientation gradient) metodundan türetilen doku ve şekil özellikleri ile tanıyabilmek ve ACWE (active contour without edge) modelinin PD ağırlıklı görüntülerden humerus başını bölütlemedeki verimliliğini belirlemektir. Gürültünün standart sapmasını SDN (standard deviation of noise) ilgili alandan ROI (region of interest) tahmin ederek SRAD (speckle reducing anisotropic diffusion) metodunun kullanım alanını PD ağırlıklı MR görüntüleriyle genişlettik. Otomatik olarak dairesel Hough transform ile başlangıç konturunun yerini belirleyerek bölgesel tabanlı metotların başlangıç konturunun yerini belirleme probleminin üstesinden geldik. Signed pressure force (SPF) model, Fuzzy C-means ve Gaussian mixture modelleri karşılaştırma amacıyla uygulandı ve dört metodun bölütleme sonuçları aynı zamanda alan uzmanının manuel olarak gerçekleştirdiği sonuçlarla karşılaştırıldı. Hermite transform tabanlı doku özelliklerinin humerus kemiğini sınıflandırma performansı curvelet, contourlet ve GLCM (gray level co-occurrence matrix) tabanlı doku tanımlayıcıları ile karşılaştırılarak değerlendirildi. Hermite tabanlı doku özellikleri, görüntü şekillerini yerel ve düzenini uzaysal olarak tanımlayan PHOG ile birleştirildi. Çıkarılan özellikler MLP (Multi-Layer Perceptron), SVM (Support Vector Machine) ve KNN (K- Nearest Neighbors) metotları ile değerlendirilerek normal ve anormal alanları tanımlama performansları değerlendirildi. Önerilen yaklaşım kendi veri setimiz olan 79 normal, 140 anormal (91 ödemli ve 49 Hill-Sachs lezyonlu ) PD ağırlıklı humerus başı MR görüntüleri üzerinde test edildi. Hermite tabanlı doku analizi ve PHOG metodu ile en yüksek sınıflandırma başarısı SVM metodu ile % 99.54 elde edildi. Elde ettiğimiz sonuçlar önerilen sistemin normal ve anormal PD ağırlıklı MR görüntülerinin sınıflandırılmasında ümit verici olduğunu belirtmektedir. Hermite transform tabanlı özellik analizi ile PD ağırlıklı MR görüntülerinden kemik lezyonlarını sınıflandırma açısında literatürde örnek çalışmadır.
