SavedAdd your journal

Journals / Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji / 2020 / Cilt: 8 - Sayı: 1

Dermoskopik Görüntülerde Lezyon Bölütleme İşlemlerinde K-ortalama Kümeleme Algoritmasının Kullanımı

Oktay AYTAR
Sümeyya İLKİN
Tuğrul Hakan GENÇTÜRK
Suhap ŞAHİN
Pages
182–191
Publication Date
2022-10-18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Metrik sonuçlar incelendiğinde, K-ortalama kümeleme algoritmasında merkez sayısı 4 olarak seçildiğinde elde edilen sonuçların daha iyi olduğu gözlemlenmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Melonom cilt kanserinin erken evrelerinde yapılan teşhisler, iyileşme prognozuna olan etkilerinden dolayı hayati önem taşımaktadır.
📊
Key Findings & Data:Yapılan bu teşhisler büyük oranda cildin görsel değerlendirmesiyle yapılmaktadır.
💡
Conclusion & Impact:Metrik sonuçlar incelendiğinde, K-ortalama kümeleme algoritmasında merkez sayısı 4 olarak seçildiğinde elde edilen sonuçların daha iyi olduğu gözlemlenmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Medikal Görüntü İşleme · Melonom Cilt Kanseri · Lezyon Bölütleme

Özet

Melonom cilt kanserinin erken evrelerinde yapılan teşhisler, iyileşme prognozuna olan etkilerinden dolayı hayati önem taşımaktadır. Yapılan bu teşhisler büyük oranda cildin görsel değerlendirmesiyle yapılmaktadır. Dolayısıyla, yapılan bu görsel değerlendirme sonucu konulan teşhis çoğunlukla doktorların uzmanlığına bağlı olduğu için, sübjektif bir değerlendirme olmaktadır. Yapılan bu çalışmada, doktorlar tarafından konulan teşhislerdeki doğruluk oranlarını artırmak için cilt görüntülerindeki lezyon bölgelerinin bölütleme işlemi K-ortalama kümeleme algoritması ile yapılmaktadır. Algoritmada, K merkezi sayısı 2 ve 4 değerleri seçilerek sistem test edilmektedir. Test aşamasında özel bir melanom veri seti kullanılmıştır. Elde edilen değerlerin analiz işlemleri, Pik Sinyali Gürültü Oranı (PSNR) ve Korelasyon Katsayısı (CC) metrikleri kullanılarak gerçekleştirilmiştir. Yapılan bu çalışmanın performansı, daha önce tarafımızdan gerçeklenen Canny kenar belirleme ve ortalama kayma algoritmaları ile karşılaştırılarak değerlendirilmiştir. Yapılan bölütleme işleminde, merkez sayısı 4 seçilen K-ortalama kümeleme algoritmasında en yüksek PSNR değeri 17,1591dB olarak tespit edilmiştir. Metrik sonuçlar incelendiğinde, K-ortalama kümeleme algoritmasında merkez sayısı 4 olarak seçildiğinde elde edilen sonuçların daha iyi olduğu gözlemlenmiştir.

🔖

Cite This Article

AYTAR, O., İLKİN, S., GENÇTÜRK, T. H., ŞAHİN, S. (2022). Dermoskopik Görüntülerde Lezyon Bölütleme İşlemlerinde K-ortalama Kümeleme Algoritmasının Kullanımı. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, Cilt: 8 - Sayı: 1, 182–191. https://ajindex.com/articles/521945

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (13)

  1. Çoban, L. Cilt (Deri) Kanseri Belirtileri, Tedavisi ve Korunma Yöntemleri. https://www.memorial.com.tr/saglik-rehberleri/cilt-deri-kanseri-belirtileri-tedavisi-ve-korunma-yontemleri/. (Ziyaret Tarihi: 15.09.2019)
  2. Ganster, H., Pinz, P., Rohrer, R., Wildling, E., Binder, M., Kittler, H. Automated Melanoma Recognition. IEEE Transactions on Medical Imaging, 20(3) (233-239), (2011).
  3. Altuncu, M.A., Gülağız, F.K., Hangisi, F.S., Şahin, S. Performance Analysis of Image Restoration Techniques for Dermoscopy Images. International Journal of Applied Information Systems, 11(8) (15-19), (2017).
  4. Alsmadi, M. K. A hybrid Fuzzy C-Means and Neutrosophic for jaw lesions segmentation. Ain Shams Engineering Journal, 9(4) (697-706), (2018).
  5. Maglogiannis I., Pavlopoulos S., Koutsouris D. An integrated computer supported acquisition, handling, and characterization system for pigmented skin lesions in dermatological images. IEEE Transactions on Information Technology in Biomedicine, 9(1) (86-98), (2005).
  6. Pires I.M., Garcia N.M. (2015). Wound Area Assessment using Mobile Application, In Biodevices, Lisbon, Portugal, 271-282.
  7. Abbas A.A., Guo X., Tan W.H., Jalab H.A. Combined spline and B-spline for an improved automatic skin lesion segmentation in dermoscopic images using optimal color channel. Journal of medical systems,38(8) (80), (2014).
  8. Celebi M.E., Kingravi H.A., Iyatomi H., Aslandogan A.Y., Stoecker W.V., Moss R.H., Malters J.M., Grichnik J.M., Marghoob A.A., Rabinovitz H.S., Menzies S.W. Border detection in dermoscopy images using statistical region merging. Skin Research and Technology, 14(3) (347-353), (2008).
  9. Wantanajittikul, K., Auephanwiriyakul, S., Theera-Umpon, N., Koanantakool, T., Automatic segmentation and degree identification in burn color images, The 4th 2011 Biomedical Engineering International Conference, (169-173), (2012).
  10. Haider A., Alhashim M., Tavakolian K., Fazel-Rezai R. Computer-assisted image processing technique for tracking wound progress. In Electro Information Technology (EIT), 2016
  11. IEEE International Conference, Grand Forks, ND, USA, (0750-0754), (2016).
  12. MacQueen, J. B. Some Methods for classification and Analysis of Multivariate Observations. Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability, 1(281-297), (1967).
  13. Sarıman, G. Veri madenciliğinde kümeleme teknikleri üzerine bir çalışma: k-means ve k-medoids kümeleme algoritmalarının karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 15(3)