Tez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Ağustos 2019

Prostat kanseri en sık görülen kanser türlerindendir. Prostat kanserinin teşhis ve takibine yardımcı olarak Manyetik Rezonans (MR) görüntülerinden uzun yıllardır doktorlarca sıklıkla yararlanılmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem hastaların teşhis ve takip sürecini kısaltmayı hem de doktorlara karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Bu yapılarda özellikle Çok Spektrumlu (ÇS) MR görüntüleri prostat kanseri teşhisinde sıklıkla kullanılmaktadır. Fakat ham görüntülerdeki gürültü görüntü işlemeyi zorlaştırmaktadır. Bu sebeple teşhis, tanı yardımcı sistemlerine sokulmadan önce ön işlem olarak MR görüntülerinin filtrelenmesi gerekir. Bu bağlamda yapılan çalışmalarda çoğunlukla filtreleme ön işlem olarak yapıya dahil edilmekte veya dahil edilmiyorsa da gürültüyle başa çıkabilecek model tercihleriyle gürültünün nihai sonuca olan etkisi azaltılmaya çalışılmaktadır. Görülmüştür ki ön işlem olarak filtreleme barındıran çalışmalarda genellikle filtre tercihleri branştaki tecrübelere dayalı olarak gerçekleştirilmektedir. Ayrıca seçilen filtreleme metotları genel olarak basit formlara sahiptir. Bu çalışmada literatürde olmayan bir yöntem olarak filtre ve filtre parametrelerini seçilen karar mekanizmasının çıktısına bağlı olarak kanser lokalizasyon performansını maksimize edecek şekilde seçebilen bir yöntem geliştirilmiştir. Bunu yaparken de genel kullanımın aksine daha kompleks filtreleme metotlarını kullanmaktadır. Bu şekilde deneyime dayalı filtre tercihini ortadan kaldırıp ölçülebilir metriklerle optimum filtrenin oluşturulması amaçlanmıştır. Çalışmada prostat ÇS-MR görüntülerinden Spin Eko (SE) ile elde edilenT2 map, Difüzyon Ağırlıklı Görüntüleme (DWI) ile elde edilen Belirgin Difüzyon Katsayısı (ADC), Dinamik Kontrast İyileştirme (DCE) ile elde edilen Eğrinin Altındaki İlk Alan (IAUC) 30, IAUC 60, IAUC 90, DCE'nin Brix modeli üzerinde kullanımından elde edilen kel, kep spektrumları kullanılmış ve bu spektrumlar üzere kullanılmak üzere 3 filtre (Wiener (W) filtre, Toplam Varyans (TV) filtre ve Dalgacık Kestirimi(WTh)) ile bu filtrelere ilişkin birer parametre seçilmiştir. Karar modeli olarak Doğrusal Ayrıştırma Analizi (LDA) tercih edilmiş ve seçilen filtre parametrelerinin LDA kanser lokalizasyon performansı üzerinde doğruluk metriğine göre değişimi analiz edilmiştir. Seçilen optimum filtre parametrelerinin kanser lokalizasyon performansını geliştirdiği görülmüş ve çok spektrumlu filtre en iyilemesi için kullanılmak üzere soysal bir yapı oluşturulmuştur.

Prostate cancer is one of the most common types of cancer. For many years, Magnetic Resonance (MR) Imaging has been frequently used by doctors in order to diagnose prostate cancer and follow-up stages. Artificial Intelligence (AI) based structures that have started to be included in the studies thanks to the developing technology in the recent period, aim to reduce the time period of diagnosis and follow-up stages of patients by creating an alternative diagnostic methods and to eliminate misdiagnosis by providing decision support structure for doctors. In these structures, Multi-Spectral (MS) MR images are frequently used to diagnose prostate cancer. However, noise in raw images complicates image processing. For this reason, MR images should be filtered as a pre-process before introduced into the diagnostic aid systems. In studies, filtering is often included in the structures as a pre-process, if not; the effect of the noise on the final result is tried to be reduced through an alternative model choice that can cope with noise. It is seen that, in studies which involve filtering as a pre-process, filter preferences are generally based on the experience in the field. Furthermore, selected filtering methods have simple forms in general. In this study, a novel method is developed that can select filter and filtering parameters to maximize cancer localization performance depending on the output of the selected decision mechanism. Moreover, it uses more complex filtering methods as compared to common use. It is aimed to eliminate the filter preference based on experience and to provide optimum filter preferences with measurable metrics. In this study, several spectrum are used, which are T2 Map generated from Spin Eco (SE);Apparent Diffusion Coefficient (ADC) from Diffusion Weighted Imaging (DWI); Initial Area Under the Curve (IAUC) 30, IAUC 60, IAUC 90 from Dynamic Contrast Enhanced Imaging (DCE) and kel, kep from the use of DCE on Brix model. 3 filters (Wiener (W)filter, Total Variant (TV) filter and Wavelet Thresholding (WTh)) and one parameter from each filtering are selected to be used on those spectra. Linear Discriminant Analysis (LDA) is used as a decision making model for cancer localization and selected filters along with their parameters are analyzed based on accuracy on cancer localization performance. It is observed that the selected filtering parameters have improved the cancer localization performance and a generic structure is established to be used for MS MR filtering optimization.