Ayşe Aydın yurdusev, Canan Oral, Mahmut Hekim

5719

Mamogram İmgeleri Üzerinde Farklı Süzgeçlerin Etkilerinin İncelenmesi

Mamaografi, meme kanserinin erken teşhisi için kullanılan yaygın bir görüntüleme tekniğidir ve meme kanserinin başlangıç aşaması olarak kabul edilen küçük kalsiyum birikintilerini (mikrokalsifikasyonlar) görüntüleyebilme özelliğine sahiptir. Mikrokalsifikasyonların mamografi üzerindeki tespitleri için bilgisayar destekli tespit (BDT) sistemleri sıklıkla kullanılmaktadır. BDT sistemlerin ilk basamağı mamografi üzerinde oluşan gürültüleri temizlemektir. Gürültü temizleme veya azaltma işlemi için çeşitli süzgeçler kullanılmaktadır. Bu çalışmada mikrokalsifikasyon içeren mamografi görüntülerin çeşitli süzgeçlerle temizlenmesi ve sonuçlarının karşılaştırılması hedeflenmektedir. Bunun için öncelikle Digital Database for Screening Mammography (DDSM) veritabanındaki mamografilerden mikrokalsifikasyon içeren 20 adet mamografi imgesi seçilmiştir. Alınan mamografilerden mikrokalsifikasyon içeren kısımları vertabanında verilen koordnatlar ile 512x512 piksel boyutunda kesilmiştir. Her bir görüntü matrisi uzamsal bölgede ortanca ve ortalama süzgeçten, frekans bölgesinde ise alçak geçiren ve yüksek geçiren süzgeçlerden geçirilerek kontrast ayarlanmış görüntü sonuçları ortalama hata karesi ve doruk işaret-gürültü oranı ile   karşılaştırılmıştır. Çalışma sonucunda tek mikrokalsifikasyonlara ve mikrokalsifikasyon gruplarına etki etmeden, mamografilerde gürültü temizlemek için en uygun süzgecinin hangisi olduğu tespit edilecektir. 
Anahtar Kelimeler:

mamogram, Mikrokalsifikasyon, süzgeç, frekans düzlemi, uzamsal düzlem

The Investigation of the Effects of Different Filters on Mammogram Images

Mammogram is a widespread imaging technique to early detect breast cancer. It can detect micro scale calcium deposits (microcalcification) known as early signs of breast cancer., computer-aided diagnosis (CAD) systems are commonly used to detect of microcalcifications on mammograms. The first step of CAD system is cleaning noises on mammography images. In order to clean or decrease noise on images, several filters are used. The purpose of this study is denoising mammogram images that include micro calcification with different filters and comparing of filter results. For this, firstly 50 mammogram images are obtained from Digital Database for Screening Mammography (DDSM). Microcalcification located areas which stated in their data file on mammograms are cropped at 512x512 pixels. Each image matrices are filtered by median and moving average filter in spatial domain as well as high pass and low pass filter in frequency domain. The filtered images are compared by means of mean squared error (MSE) and peak signal-noise ratio (PSNR) after frequency domain filters contrast adjustment. At the end of the study, the optimal filter will be determined for cleaning mammograms without an effect on single or clustered microcalcification. 
Keywords:

Mammogram Micro calcification, Filtering on frequency domain, Filtering on spatial domain, CAD, Filter,

PDF

___

  • Akbay, C. (2015). Applıcatıon Of Image Enhancement Algorıthms To Improve The Vısıbılıty And Classıfıcatıon Of Mıcrocalcıfıcatıons In Mammograms. MIDDLE EAST TECHNICAL UNIVERSITY.
  • Aslan Avdan, A. (2013). Duktal Karsinoma İn Situ’da BI-RADS Tanımlayıcıları İle Moleküler Prognostik Faktörler Arasındaki İlişki. GAZİ ÜNİVERSİTESİ TIP.
  • Fu, J. C., Lee, S. K., Wong, S. T. C., Yeh, J. Y., Wang, A. H., & Wu, H. K. (2005). Image segmentation feature selection and pattern classification for mammographic microcalcifications. Computerized Medical Imaging and Graphics, 29(6), 419–429. http://doi.org/10.1016/j.compmedimag.2005.03.002
  • Glasbey, C. A., & Horgan, G. W. (1995). Image Analysis for the Biological Sciences (1. edition). University of Michigan: Wiley.
  • Gonzalez, R. C., Woods, R. E., Telatar, Z., Tora, H., Arı, H., & Kalaycıoğlu, A. (2014). Sayısal Görüntü İşleme. Ankara: Palme Yayıncılık.
  • Heath, M., Bowyer, K., Kopans, D., Moore, R., & Kegelmeyer, W. P. (2001). The Digital Database for Screening Mammography. In M. J. Yaffe (Ed.), Proceedings of the Fifth International Workshop on Digital Mammography (pp. 212–218). Medical Physics Publishing.
  • Kim, J. K., & Park, H. W. (1999). Statistical textural features for detection of microcalcifications in digitized mammograms. IEEE Transactions on Medical Imaging, 18(3), 231–238. http://doi.org/10.1109/42.764896
  • Kim, J. K., Park, J. M., Song, K. S., & Park, H. W. (1997). Adaptive mammographic image enhancement using first derivative and local statistics. Medical Imaging, IEEE Transactions on, 16(5), 495–502. http://doi.org/10.1109/42.640739
  • Kumar, M., Thakkar, V. M., Bhadauria, H. S., Kumar, I., Pant, G. B., & College, E. (2016). Mammogram ’ s Denoising in Spatial and Frequency Domain, (October), 654–659.
  • Kurt, B., & Nabİyev, V. V. (2010). Dijital Mamografi Görüntülerinin Kontrast Sınırlı Adaptif Histogram Eşitleme ile İyileştirilmesi. In VII. Ulusal Tıp Bilişimi Kongresi (pp. 67–78).
  • Memiş, A. (2002). Meme Radyolojisi.
  • Murthy, R. K., Valero, V., & Buchholz, T. A. (2016). Breast Cancer. Clinical Radiation Oncology, 1284–1302.e3. http://doi.org/10.1016/B978-0-323-24098-7.00086-1
  • Nagaiah, K., Manjunathachari, K., & Rajinikanth, T. V. (2016). Advanced image enhancement method for mammogram analysis. 2016 International Conference on Recent Trends in Information Technology (ICRTIT), 1–5. http://doi.org/10.1109/ICRTIT.2016.7569554
  • Pak, F., Kanan, H. R., & Alikhassi, A. (2015). Breast cancer detection and classification in digital mammography based on Non-Subsampled Contourlet Transform (NSCT) and Super Resolution. Computer Methods and Programs in Biomedicine, 122(2), 89–107. http://doi.org/10.1016/j.cmpb.2015.06.009
  • Qian, W., Sun, W., & Zheng, B. (2015). Improving the efficacy of mammography screening: the potential and challenge of developing new computer-aided detection approaches. Expert Review of Medical Devices, 12(5), 497–9. http://doi.org/10.1586/17434440.2015.1068115
  • Redman, A., Lowes, S., & Leaver, A. (2015). Imaging techniques in breast cancer. Surgery (United Kingdom), 34(1), 8–18.
  • Romualdo, L. C. D. S., Vieira, M. A. D. C., & Schiabel, H. (2009). Mammography images restoration by quantum noise reduction and inverse MTF filtering. Proceedings of SIBGRAPI 2009 - 22nd Brazilian Symposium on Computer Graphics and Image Processing, (1), 180–185. http://doi.org/10.1109/SIBGRAPI.2009.12
  • Shen, L., Rangayyan, R. M., & Desautels, J. E. L. (1994). Application of Shape-Analysis to Mammographic Calcifications. IEEE Transactions on Medical Imaging, 13(2), 263–274.
  • Singh, V., Rajpal, N., & Murthy, K. S. (2008). A Neuro Fuzzy Model for Image Compression in Wavelet Domain. In A. Elmoataz, O. Lezoray, F. Nouboud, & D. Mammass (Eds.), Image and Signal Processing: 3rd International Conference, ICISP 2008. Cherbourg-Octeville, France, July 1 - 3, 2008. Proceedings (pp. 46–58). Berlin, Heidelberg: Springer Berlin Heidelberg. http://doi.org/10.1007/978-3-540-69905-7_6
  • Soltanian-Zadeh, H., Rafiee-Rad, F., & Siamak Pourabdollah-Nejad, D. (2004). Comparison of multiwavelet, wavelet, Haralick, and shape features for microcalcification classification in mammograms. Pattern Recognition, 37(10), 1973–1986. http://doi.org/10.1016/j.patcog.2003.03.001
  • Starck, J., & Murtagh, F. (2006). Handbook of Astronomical Data Analysis. Analysis, 338. http://doi.org/10.1007/978-3-540-33025-7
  • Veldkamp, W. J. H., & Karssemeijer, N. (2000). Normalization of local contrast in mammograms. IEEE Transactions on Medical Imaging, 19(7), 731–738. http://doi.org/10.1109/42.875197
  • Vijikala, V., Jyothi, V., & College, E. (n.d.). Identıfıcatıon of most preferentıal denoısıng method for mammogram.
Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi-Cover
  • Yayın Aralığı: Yılda 2 Sayı
  • Başlangıç: 2017
  • Yayıncı: Burdur Mehmet Akif Ersoy Üniversitesi
Arşiv
Sayıdaki Diğer Makaleler

V-Lüle Türbülator Yerleştirilen Bir Borunun Termal Performansı

Sibel GÜNEŞ, Orhan KEKLİKCİOĞLU, Toygun DAĞDEVİR, Veysel ÖZCEYHAN

İşgörenlerin Öznel İyi Olma Düzeylerinin Farklı Sosyo-Demografik Değişkenler Açısından İncelenmesi: Banka Çalışanları Üzerinde Bir Araştırma

Feriştah GÜNER, Özlem ÇETİNKAYA BOZKURT

Proje Müdürlerine İş Yönetme Belgesi Düzenlemesi ve Uygulamada Yaşanan Mevzuat Problemleri

Gökhan GELİŞEN, Hakkı YILDIRIM

MOBİLYA ENDÜSTRİSİ İÇİN YENİ KANEPE YATAK MEKANİZMASI SİSTEMİ

Hüseyin MUTLU, Burak Emre YAPANMIŞ, Berat Barış BULDUM

Bulanık Kümeleme Analizinde Parametre Seçiminin Etkisi

Ozer OZDEMİR, Asli KAYA

Mamogram İmgeleri Üzerinde Farklı Süzgeçlerin Etkilerinin İncelenmesi

Ayşe Aydın yurdusev, Canan Oral, Mahmut Hekim