Year 2018, Volume 22, Issue 1, Pages 108 - 127 2018-02-01

Detection of Lesion Boundaries and Area in Breast Magnetic Resonance Imaging
Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi

Gökçen Çetinel [1] , SEVDA GÜL [2]

217 314

In this study, we have developed a system for determining the boundaries of the lesions which come into existence in the breast and calculating the lesion area by using images obtained from the MRI system, which is one of the modalities widely used in diagnosis of the breast cancer. The developed system is designed with an interface that provides great convenience to the radiologists and offers many interchangeable options. In order to determine the boundary of the lesion and to calculate the area optimally, in this study four different methods are utilized. These methods are thresholding based (Otsu thresholding method), fuzzy logic based (fuzzy c- means, FCM), region growing based (Region Growing, RG) and cluster-based (k-means) segmentation methods. The Otsu, FCM and RG methods are single-channel gray-level segmentation methods. In case, the k-means method is a method of segmentation that can be used directly in a three-channel color image. After the segmentation step, a bit-quad method is applied to calculate the lesion area. After these stages are implemented, a developable hospital automation system is designed. The designed system allows the specialist to analyse the breast lesions by providing different visual choices.

Bu çalışmada, meme kanserinin teşhisinde yaygın olarak kullanılan modalitelerden biri olan MRG sisteminden elde edilen görüntüler kullanılarak memede oluşan lezyonların sınırlarının belirlenmesi ve lezyon alanının hesaplanmasına yönelik bir sistem geliştirilmiştir. Geliştirilen sistem, radyologlara büyük kolaylıklar sağlayan ve birçok değiştirilebilir seçenek sunan bir ara yüz üzerinden tasarlanmıştır. Lezyon sınırlarının belirlenmesi ve alanının optimum şekilde hesaplanması için çalışmada dört farklı yöntemden yararlanılmaktadır. Bu yöntemler, eşikleme tabanlı (Otsu eşikleme yöntemi), bulanık mantık tabanlı (bulanık c-ortalama (Fuzzy c-means, FCM)), bölge büyütme tabanlı (Region Growing, RG)  ve kümeleme tabanlı (k-ortalama) segmentasyon yöntemlerdir. Otsu, FCM ve RG yöntemleri tek kanallı gri-seviye bölütleme yöntemleridir.  K-ortalama yöntemi ise, üç-kanallı renkli görüntüde doğrudan kullanılabilen bir bölütleme yöntemidir. Segmentasyon adımdan sonra, lezyon alanının hesaplanması için bit-dörtlüsü (bit-quad) yöntemi uygulanmıştır. Bu aşamalar gerçekleştirildikten sonra geliştirilebilir bir hastane otomasyon sistemi tasarlanmıştır. Tasarlanan sistem uzmana görsel olarak farklı seçenekler sunarak meme lezyonlarını birçok yönden inceleme imkânı sağlamaktadır.

  • [1] Dünya Sağlık Örgütü Uluslararası Ajansı, “Meme Kanseri İstatistikleri” http://www.wcrf.org/int/cancer-facts- figures/data-specific-cancers/breast- cancer-statistics. Erişim Tarihi: 06.04.2016.
  • [2] Türkiye Halk Sağlığı Kurumu Kanser Daire Başkanlığı, “Türkiye Kanser İstatistikleri”http://kanser.gov.tr/Dosya/ca_istatistik/ANA_rapor_2013v01_2.pdf. Erişim Tarihi: 06.04.2016.
  • [3] http://www.breastcancer.org/symptoms/understand_bc/what_is_bc.Erişim Tarihi: 07.04.2017.
  • [4] Gnonnou, C., Smaoui, N., “Segmentation and 3D Reconstruction of MRI Images For Breast Cancer Detection”, IEEE IPAS’ 14: INTERNATIONAL IMAGE PROCESSING APPLICATIONS AND CONFERENCE, 2014.
  • [5] Fooladivanda, a., Shokouhi, S. B., Ahmadinejad N., and Mosavi, M. R., “Automatic segmentation of breast and fibroglandular tissue in breast MRI using local adaptive thresholding,” 2014 21st Iran. Conf. Biomed. Eng. ICBME 2014, no. Icbme, pp. 195–200, 2014.
  • [6] Fooladivanda, A., Shahriar, S. B., Ahmadinejad, N., Mosavi, M. R., “Atlas-Based Automatic Breast MRI Segmentation using Pectoral Muscle and Chest Region Model”, 21st Iranian Conference on Biomedical Engineering, 2014.
  • [7] Merida, A., G., Kallenber, M., Mann, M. R., Mart, R., Karssemeijer N., “Breast segmentation and density estimation in breast MRI: A Fully Automatic Framework”, IEEE Journal of Biomadical and Health Informatics, 19:1:349-357, 2015.
  • [8] Khalvati, F., Gallego C., Balasingham, S.,and Martel, A., “Automated Segmentation of Breast in 3D MR Images Using a Robust Atlas.,” IEEE Trans. Med. Imaging, vol. 34, no. 1, pp. 116–125, 2014.
  • [9] Ribes S.,et al., “Automatic segmentation of breast MR images through a Markov random field statistical model.,” IEEE Trans. Med. Imaging, vol. 62, no. c, pp. 1986–1996, 2014.
  • [10] Ertaş, G., Demirgüneş, D. D., Eroğul, O., “Conventional and Multi-State Cellular Neural Networks in Segmenting Breast Region from MR Images: Performance Comparison”, Innovations in Intelligent Systems and Applications (INISTA), 2012 International Symposium on, 2012.
  • [11] Pratt, W., K.,Processing Digital Image Processing, vol. 5, no. 11. 2001.
  • [12] Norouzi A., et al., “Medical image segmentation methods, algorithms, and applications,” IETE Tech. Rev., vol. 31, no. 3, pp. 199–213, 2014.
  • [13] Gonzalez, R., and Woods R., Digital image processing. 2014.
  • [14] Gül, S., ÇETİNEL, G., “Detection of Lesion Boundaries in Breast Magnetic Resonance Imaging with Otsu Thresholding and Fuzzy C-Means”, 3rd International Conference on Advanced Technology & Sciences (ICAT), 2017.
  • [15] Otsu, N., “A threshold selection method from gray-level histograms,” IEEE Trans. Syst. Man. Cybern., vol. 9, no. 1, pp. 62–66, 1979.
  • [16] http://www.aboutcancer.com/breastmriimages.htm: Erişim Tarihi: 02.05.2017
  • [17] Işık, M., Çamurcu, Ali Yılmaz, “K-means, ve aşırı küresel c-means algoritmaları ile belge madenciliği”, Marmara Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22:2010, , pp. 1-18, 2010.
  • [18] Pham, D. L., Xu, C., and Prince, J. L., “A survey of current methods in medical image segmentation,” Annu. Rev. Biomed. Eng., vol. 2, no. 315–337, pp. 315–337, 2000.
  • [19] Maintz, T., “Chapter 10. Segmentation,” Digit. Med. Image Process., 2005.
  • [20] Gray, S. B., “Local Properties of Binary Images in Two Dimensions,” IEEE Trans. Comput., vol. C-20, no. 5, pp. 551–561, 1971.
Primary Language tr
Subjects Electrical and Electronic Engineering
Published Date Şubat 2018
Journal Section Research Articles
Authors

Author: Gökçen Çetinel
Institution: SAKARYA ÜNİVERSİTESİ
Country: Turkey


Author: SEVDA GÜL
Institution: SAKARYA ÜNİVERSİTESİ

Bibtex @research article { saufenbilder322604, journal = {Sakarya University Journal of Science}, issn = {1301-4048}, eissn = {2147-835X}, address = {Sakarya University}, year = {2018}, volume = {22}, pages = {108 - 127}, doi = {10.16984/saufenbilder.322604}, title = {Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi}, key = {cite}, author = {GÜL, SEVDA and Çetinel, Gökçen} }
APA Çetinel, G , GÜL, S . (2018). Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi. Sakarya University Journal of Science, 22 (1), 108-127. DOI: 10.16984/saufenbilder.322604
MLA Çetinel, G , GÜL, S . "Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi". Sakarya University Journal of Science 22 (2018): 108-127 <http://www.saujs.sakarya.edu.tr/issue/30795/322604>
Chicago Çetinel, G , GÜL, S . "Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi". Sakarya University Journal of Science 22 (2018): 108-127
RIS TY - JOUR T1 - Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi AU - Gökçen Çetinel , SEVDA GÜL Y1 - 2018 PY - 2018 N1 - doi: 10.16984/saufenbilder.322604 DO - 10.16984/saufenbilder.322604 T2 - Sakarya University Journal of Science JF - Journal JO - JOR SP - 108 EP - 127 VL - 22 IS - 1 SN - 1301-4048-2147-835X M3 - doi: 10.16984/saufenbilder.322604 UR - http://dx.doi.org/10.16984/saufenbilder.322604 Y2 - 2018 ER -
EndNote %0 Sakarya University Journal of Science Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi %A Gökçen Çetinel , SEVDA GÜL %T Meme Manyetik Rezonans Görüntülemede Lezyon Sınırlarının ve Alanının Tespit Edilmesi %D 2018 %J Sakarya University Journal of Science %P 1301-4048-2147-835X %V 22 %N 1 %R doi: 10.16984/saufenbilder.322604 %U 10.16984/saufenbilder.322604