SEVDA GÜL Y MEME MR’ INDA KANSER TESPITI
İÇERIK o Meme Kanseri Nedir? o Meme Kanseri Belirtileri Nelerdir? o Meme Kanseri Risk Faktörleri Nelerdir? o Meme MRG tekniği nedir? o Diğer tekniklere göre avantajları nelerdir? o Görüntü işleme tekniği nedir? o Görüntü işleme tekniği kullanım alanları nelerdir? o Meme MR Görüntüsünün ‘de lezyon tespit aşamaları nasıldır?
MEME KANSERİ Kanser, dokuları oluşturan hücrelerde başlar. Dokular vücutta organları oluşturur. Normalde, vücut ihtiyaç duydukça, hücreler yeni hücre oluşturmak için büyür ve bölünür. Hücreler yaşlandığında ölürler ve yerlerini yeni hücreler alır. Bazen bu sıralı işlem yanlış gider. Vücut ihtiyaç duymadığı halde yeni hücre oluşur, yaşlı hücreler de ölmesi gerekirken ölmezler. Bu hücreler, tümör dediğimiz bir doku topluluğu oluştururlar[1]. Meme kanseri, meme dokusundaki hücrelerden gelişen kanserlerdir[2].
[5] MEME KANSERİ BELİRTILERİ
MEME KANSERİ RİSK FAKTÖRLERİ o İlk adet yaşı o Menopoz yaşı o Emzirme o Menopoz sonrası hormon tedavisi o Beslenme o Alkol
MEME MRG TEKNİĞİ Son kırk yılda meme görüntülemede en yaygın olarak kullanılan görüntüleme teknolojisi mamografi kitleler ve meme dokusu anormalliklerinin belirlenmesinde kullanılmıştır. Mamografi meme kanserini görüntülemek için yaygın olarak kullanılsa da birçok sınırlamalara sahiptir. Mamografi yöntemi uygun görüntüleme için meme dokusunun sıkıştırılmasını gerektirir ve bu hastada tedirginlik ve rahatsızlık oluşturur. Mamografi cihazının yaydığı iyonlaştırılmış radyasyon hastaya zarar verebilmektedir.
MAMOGROFİ
MEME MRG TEKNİĞİ Meme kanseri görüntülemede meme MRI kullanımı birçok önemli avantaja sahiptir. Mamografiye kıyasla daha yüksek doku hassasiyeti sayesinde meme MRI, özellikle yoğun meme dokularında meme doku anormalliklerinin önemli işaretlerinin belirlenmesini ve tanımlanmasını kolaylaştırmaktadır. Meme dokusunun sıkıştırılması gerekmez, volumetrik meme dokusu verisi elde etmek için her iki meme aynı anda görüntülenir ve böylece mamografinin hastada oluşturduğu rahatsızlıklar ortadan kalkar. Mamografinin tersine MRI hastaya iyonlaştırılmış radyasyon yaymaz.
MEME MRG
GÖRÜNTÜ İŞLEME Dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin, bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesi sonucunda yeni bir resmin oluşturulmasıdır.
GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANIM ALANLARI o Uzaktan algılama uygulamaları: Uydu görüntüleri üzerinde nüfus yoğunluğu, yerleşim yerleri, çevre kirliliği vs gibi çevresel şartların tespiti
GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANIM ALANLARI o Endüstriyel uygulamalar: Bir üretim bandında üretilen ürünün otomatik test edilmesi (Örneğin bir kart üzerindeki devre elemanlarının varlığının veya bağlantı yollarının sağlamlığının tespiti)
GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANIM ALANLARI o Güvenlik uygulamaları: Yüz tanıma, parmak izi tanıma, plaka tanıma
GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANIM ALANLARI o Banknot tanıma
GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANIM ALANLARI o Uydu görüntüleri üzerinde hava gözlem ve tahmin uygulamaları
GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANIM ALANLARI o Jeolojik uygulamalar: Mineral ve petrol arama, sualtı görüntüleme
GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANIM ALANLARI o Medikal görüntüleme: CAT, MRI, Röntgen
MEME MR GÖRÜNTÜSÜNÜN’DE LEZYON TESPIT AŞAMALARI o Segmentasyon:
MEME MR GÖRÜNTÜSÜNÜN’DE LEZYON TESPIT AŞAMALARI o Özellik Çıkartma
MEME MR GÖRÜNTÜSÜNÜN’DE LEZYON TESPIT AŞAMALARI o Özellik Seçme : Özellik seçme işlemi için meta sezgisel algoritmalar kullanılmaktadır. Meta sezgisel algoritmalar; arama uzayının yüksek kaliteli çözümlerini kapsayan bölgelerinde aramayı gerçekleştirmek için probleme özgü sezgisellere rehberlik etmek amacıyla tasarlanan genel amaçlı sezgisel yöntemdir. Bunlar; Genetik Algoritma (GA), Tavlama Benzetimi Yöntemi (SAM), Parçacık Sürüsü Algoritması (PSO) vb. yöntemlerdir.
MEME MR GÖRÜNTÜSÜNÜN’DE LEZYON TESPIT AŞAMALARI o Sınıflandırma : Segmentasyon, özellik çıkartma ve özellik seçmeden sonra son adım olan sınıflandırma işlemidir. Sınıflandırma işlemi için çeşitli yöntemler kullanılmaktadır. Sınıflandırma yöntemleri öncelikle hastalıklar ile ilgili geçmişe yönelik hasta verilerini kullanarak kendisini eğitir. Eğitimi tamamlanmış sınıflandırma algoritması daha sonra olası hastalar veya hastalıklar için tahminde bulunur. Sınıflandırma Yöntemleri: Yapay Sinir Ağları Karar Ağaçları Destek Vektör Makineleri
KAYNAKÇA [1] 2#content 2#content [2] kanseri.htmlhttp://kanser.gov.tr/kanser/kanser-turleri/49-meme- kanseri.html [3] kanseri.htmlhttp://kanser.gov.tr/kanser/kanser-turleri/49-meme- kanseri.html [4] w=1440&bih= 809&source=lnms&tbm=isch&sa=X&ved=0ahUKEwj_sKv25_nLA hVDDZoKHXcpBEsQ_AUIBigB#imgrc=QoYRMfXf9jlRUM%3A [5] i.png i.png
DİNLEDİĞİNİZ İÇİN TEŞEKKÜR EDERİM