T.C.

MARMARA NVERSTES FEN BLMLER ENSTTS

OMURGA EKL BOZUKLUU ANALZ VE TEHSNE YNELK YAZILIM GELTRME

Nesibe KORKMAZ
(ELEKTRONK ve HABERLEME MHENDS)

DOKTORA TEZ
ELEKTRONK VE BLGSAYAR ETM ANABLM DALI ELEKTRONK HABERLEME ETM PROGRAMI

DANIMAN 1.Danman: Yrd.Do.Dr. Hayriye KORKMAZ 2.Danman: Prof.Dr. Sezgin ALSAN

STANBUL, 2008

T.C. MARMARA NVERSTES FEN BLMLER ENSTTS

OMURGA EKL BOZUKLUU ANALZ VE TEHSNE YNELK YAZILIM GELTRME

Nesibe KORKMAZ
(ELEKTRONK ve HABERLEME MHENDS) (141201019950002)

DOKTORA TEZ
ELEKTRONK VE BLGSAYAR ETM ANABLM DALI ELEKTRONK HABERLEME ETM PROGRAMI

DANIMAN 1.Danman: Yrd.Do.Dr. Hayriye KORKMAZ 2.Danman: Prof.Dr. Sezgin ALSAN

STANBUL, 2008

NSZ

Grnt leme konusunu bana neren Sayn Prof. Dr. Sezgin ALSANa, bu almay almada ve tamamlamada bana yardmc olan Sayn Yrd. Do. Dr. Hayriye KORKMAZa, bana destek olan aileme ve herkese ok teekkr ederim.

Nisan, 2008

Nesibe KORKMAZ

NDEKLER
SAYFA

NSZ ...................................................................................................... i NDEKLER ....................................................................................... ii ZET.........................................................................................................v ABSTRACT ........................................................................................... vii YENLK BEYANI ................................................................................ ix SEMBOL LSTES ................................................................................ xi KISALTMALAR LSTES .................................................................. xii EKL LSTES ................................................................................... xiii TABLO LSTES ................................................................................. xvi BLM I. GR VE AMA...............................................................1 BLM II. TEMEL KAVRAMLAR VE LTERATR TARAMASI ........................................................................4
II.1. OMURGA BOZUKLUKLARI................................................................. 5 II.1.1. Giri..................................................................................................... 5 II.1.2. Omurga Yaps ve Bozukluklar....................................................... 5 II.1.3. Skolyoz (Scoliosis).............................................................................. 7 II.1.4. Omurga Bozukluklar Terminolojisi ............................................... 9 II.1.4.1. Cobb Yntemi ............................................................................ 10 II.1.4.2. King ve Moe Snflandrmas ..................................................... 11

ii

II.2. TIBB GRNT LEME .................................................................. 13 II.2.1. Giri................................................................................................... 13 II.2.2. Temel Grntleme Yntemleri .................................................... 13 II.2.2.1. Bilgisayarl Tomografi (BT) ...................................................... 14 II.2.2.2. X-In Grntleme .................................................................. 15 II.2.2.3. X-In Grntlerinin zellikleri.............................................. 15 II.2.3. Tbbi Grntlerin Analizi............................................................. 16 II.2.4. Tbbi Grntlerin Bltlenmesi................................................... 17 II.3. GRNT YLETRME VE BLTLEME ................................. 20 II.3.1. Genel Bilgiler.................................................................................... 20 II.3.2. Konvolusyon ve Korelasyon............................................................ 21 II.3.3. Parlaklk ve Kontrast yiletirme lemleri................................... 22 II.3.4. Grnt zerine Birinci Derece Trev Uygulamas.................... 25 II.3.4.1. Gradyent Operatr.................................................................. 25 II.3.4.2. Sobel Kenar Operatr............................................................. 26 II.3.4.3. Canny Algoritmas ................................................................... 27 II.3.5. Grnt zerine kinci Derece Trev Uygulamas...................... 27 II.3.6. Uzamsal Dzlemde Filtreme........................................................... 28 II.3.6.1. Ortalama Filtre (Averaging)..................................................... 29 II.3.6.2. Ortanca Filtre (Median)............................................................ 29 II.3.6.3. Gaussian Filtre ......................................................................... 31 II.3.6.4. Wiener Filtre ............................................................................ 32 II.3.6.5. Detay Vurgulama ..................................................................... 33 II.3.6.6. Anisotropik Difzyon Filtre..................................................... 37 II.3.6.7. Gradyent Alanndan Grnt retilmesi ................................. 40 II.3.7. Grnt Bltleme .......................................................................... 42 II.3.7.1. Eikleme (Thresholding).......................................................... 43 II.3.7.2. Aktif Kontur Model (Active Contour Model).......................... 43 II.3.7.3. K-means Algoritmas ............................................................... 45

BLM III. BENZER ALIMALAR .............................................47 BLM IV. OMURGA EKL BOZUKLUU ANALZ VE TEHSNDE YARDIMCI SSTEMN TASARIMI VE GEREKLENMES ...............................................50
IV.1. GRNTNN ELDE EDLMES ...................................... ..51 IV.1.1. X-In Filmlerinin Bilgisayar Ortamna Aktarlmas....... ..52 IV.1.2. Kamera Seimi............................................................................. ..54 IV.1.3. Lens Seimi..56 IV.1.4. Ik Seimi..................................................................................... ..58 IV.2. GRAFKSEL KULLANICI ARAYZ TASARIMI. ................. .59 IV.2.1. Grafiksel Kullanc Arayz....................................................... 60 IV.2.1.1 Kontrast Mens............................................................. .61 IV.2.1.2 Kenar Bulma Mens.................................................... ..63

iii

IV.2.1.3 Filtreler Mens ............................................................. ..64 IV.2.1.4 lemler Mens ............................................................. ..65 IV.2.1.5 Bltleme........................................................................ ..67 IV.2.1.6 Gster ............................................................................. ..67 IV.2.1.7 Analiz.............................................................................. ..68 IV.3. GRNTLER YLETRME VE BLTLEME AMALI YAZILIM UYGULAMALARI........................................... 70 IV.3.1. Grntnn Gradyent Alanndan Yeniden na Edilmesi Yntemiyle Lumber Omurga Blgesinin Bltlenmesi ............. 71 IV.3.2. Grntnn Ardl lemlerden Geirilerek Bltlenmesi ....... 75

BLM V. GRNT LEME ETMNE YNELK ARALARIN VE YNTEMLERN BELRLENMES............................................................78

IV.1. GRNT LEME KONULARI ....................................... ..78 IV.2. GRNT LEME DERS ................................................. ..80 IV.3. GRNT LEME DERSNN HEDEFLER ................. ..85

BLM VI. SONULAR, DEERLENDRME VE NERLER.87 KAYNAKLAR........................................................................................89 EK I. GRSELLETRME AAMASI N HAZIRLANAN YAZILIM ............................................93 ZGEM............................................................................................96

iv

ZET

OMURGA EKL BOZUKLUU ANALZ VE TEHSNE YNELK YAZILIM GELTRME

Bu almada, genel olarak bilgisayar ortamnda ilenmesi zor olan rntgen filmlerinin (X-n grnts), mmkn olduu kadar iyiletirilmesi ve grselliinin arttrlmas konusuna ynelik grnt ileme yntemlerine deinilmitir. Rntgen filmlerinin, bir grnt dosyas olarak bilgisayar ortamnda detayl incelenmesine yardmc olacak bir yazlm tasarlanmtr. Ayrca, bu yazlm X-n grntlerinin zerinde, eitli grnt ileme uygulamalar yaplmasna da izin vermektedir. Bu sayede filmlerin grsellii de arttrlabilmitir. X-n grntleme, omurga ekil bozukluklarnn bilinen ve yaygn tr olan skolyoz hastalnn her aamasnda kullanlmaktadr. Burada, yaygn oluu ve sk radyolojik deerlendirme gerektirmesi nedeniyle skolyoz hastal hedef alnmtr. Matlab program kullanlarak hazrlanan grafiksel kullancl arayz sayesinde, doktorlar tarafndan elle yaplan eitli ilemlerin bilgisayar ortamna tanmas gereklenmitir. Tez almasnda, ncelikle bilgisayar ortamna aktarlm, sradan X-n grnt dosyalar zerinde allmtr. Daha sonra tm X-n filmlerinin bilgisayar ortamnda, bir grnt dosyas olarak elde edilebilmesi amacyla bir dzenek tasarlanmtr. Dzenek bir X-n film tutucu, aydnlatma iin k kayna, grnt

transferi iin bir kamera ve uygun lenslerden olumaktadr. Bu dzenek rntgen filmlerinin yan sra dier analog (basl) grnt dosyalarnn saysallatrlmasnda da kullanacak ekilde tasarlanmtr. Eldeki tek rnek grntden, grntnn iyiletirilmesi (enhancement), bltlenmesi (segmentation), ara deerlendirmesi (interpolation), yeniden inaas (reconstruction) ve grselletirilmesi (visualization) gibi uygulamalar barndran bu alma, ayn zamanda grnt ileme ve bilgisayar grs derslerine de bir altyap sunmaktadr.

Nisan, 2008

Nesibe KORKMAZ

vi

ABSTRACT

A SOFTWARE DEVELOPMENT FOR SPINAL DEFORMITY ANALYSIS AND DIAGNOSIS

In this work, some image processing methods which can enhance and increase visualization of the X-ray image are dealed. X-ray images are usually hard to process with a computer. A software is designed to help to investigate the X-ray films as an image file in detail. In addition, that software can also allow doing various image processing applications on X-ray images. Thus, image visualization can be increased. X-ray imaging is used in every stage of the Scoliosis which is a well-known common vertebral deformation type. In this work, Scoliosis is preferred because of its being widespread and its frequent radiological evaluation requirement. Investigation of spine shape is especially considered in Graphical User Interface (GUI) designed by using Matlab and some procedures fulfilled by doctors by conventional methods is transferred to environments. In this thesis, an ordinary X-ray image which is transferred in computer is previously worked. After that, a setup is designed to get all X-ray films as an image file in PC environments. This setup consists of an X-ray film holder, a light source for a good illumination, a camera to transfer the image and suitable lenses. By using this setup, vii

transferring procedures of X-ray images into digital platform is automated. Thus, storage and file archiving procedures can also be simplified. This work also offers a background for Image Processing and Computer Vision Courses while including image enhancement, segmentation, interpolation, reconstruction, and visualization applications on the sample image.

April, 2008

Nesibe KORKMAZ

viii

YENLK BEYANI

OMURGA EKL BOZUKLUU ANALZ VE TEHSNE YNELK YAZILIM GELTRME

Bu tezde yaplan bilimsel gelitirme ve katklar drt farkl balk altnda sralanmtr. lk olarak, grntnn iyiletirilmesi ve grselletirilmesi iin hazrlanan deiik filtrelerin kullanlmasyla rntgen grntlerinin ilenmesi konusunda, ksmi diferansiyel yntemlerini ieren farkl bir algoritma sunulmaktadr. Bir dier gelitirme olarak, X-n grnt dosyalar, bilgisayar ortamnda mevcut grnt ileme yntemlerinin ardl olarak kullanlmas ile iyiletirilmi ve boyutlu grnts elde edilmitir. Matlab program kullanlarak oluturulan Grafiksel Kullanc Arayz (GUI) ierisinde, omurga eklinin incelenmesine arlk verilerek, doktorlar tarafndan klasik yntemlerle yaplan eitli ilemlerin bilgisayar ortamna tanmas salanmtr. Grafiksel Kullanc Arayz ierisinde, omurga ekli zerinde, Cobb yntemine gre erilik as lm yaplabilmektedir. Doktorun tan ve tedavi yntemine karar verebilmesine yardmc olan, istei dorultusunda gerekli a, mesafe (greli) v.s. gibi incelemeleri kapsayan bu yazlmn, klinik ortamlarda kullancnn hesap ykn azaltabilecek olmas da bu tezin nemli bir kazancdr.

ix

rnek

grnt

dosyas

zerinden,

grnt

iyiletirilmesi,

bltlenmesi,

ara

deerlendirmesi, yeniden inas ve grselletirilmesi gibi eitli grnt ileme aamalarn barndran bu alma ayn zamanda grnt ileme ve bilgisayar grs derslerine de bir kaynak oluturarak katk salayacaktr.

Nisan, 2008

1. Danman Yrd. Do. Dr. Hayriye KORKMAZ 2. Danman Prof. Dr. Sezgin ALSAN

Nesibe KORKMAZ

SEMBOL LSTES

: (Laplacian) Laplasyen : Grnt dzlemi : Gradyent : Konvolusyon : Zaman : Uzamsal koordinat : y ynnde xin ksmi trevi : y ynnde xin ikinci derece ksmi trevi : x vektrnn transpozesi : Potansiyel : Diverjans : Diverjans : Curl

* t x xy xyy xT

div
x

xi

KISALTMALAR LSTES
AP USG MRI fMRI PET BT X-ray CBIR RIS : Anterioposterior : Ultrasonografi : Manyetik Rezonans Grntleme : Fonksiyonel MRI : Pozitron Emisyon Tomografisi : Bilgisayarl Tomografi : X-n : (Content- Based Image Retrieval) erik Tabanl mge Eriimi : (Radiology Information System) Radyoloji Bilgi Sistemleri ve letiim Sistemi DICOM : (Digital Imaging and Communications in Medicine) KDE GUI ROI PC 2B RF PS SfS HDR CCD G MSE : Ksmi Diferansiyel Eitlik : (Graphical User Interface) Grafiksel Kullanc Arayz : (Region of Interest) lgili Blge Analizi : Kiisel Bilgisayar : ki Boyutlu : Radyo Frekans : (Photometric Stereo) Fotometrik Stereo : (Shape from Shading) Tonlamadan ekil Elde Etme : (High Dynamic Range) Yksek Dinamik Erim : (Charge-Coupled Diode) Yk Kuplajl Diyot : ekirdek Genilii : (Mean Square Error) Ortalama Karesel Hata

SPECT : Tek Foton Emisyon Bilgisayar Tomografisi

PACS : (Picture Archiving and Communication System) Grnt Arivleme

PSNR : (Peak Signal to Noise Ratio) Tepe areti / Grlt Oran xii

EKL LSTES

SAYFA NO ekil II.1 Normal Omurga Yaps nden ve Yandan Grnm................................ 6 ekil II.2 Anatomi Dzlemleri..................................................................................... 6 ekil II.3 Normal Omurga ve Omurga ekil Bozukluu (Skolyoz) ............................ 7 ekil II.4 Skolyometre ................................................................................................. 8 ekil II.5 Erilik lmleri .......................................................................................... 9 ekil II.6 Omurga Geometri Tanmlamalar iin Temel Koordinat Dzlemleri........ 10 ekil II.7 Cobb Yntemi ............................................................................................ 11 ekil II.8 ki Doru Arasndaki Ann Gsterimi..................................................... 11 ekil II.9 Skolyoz Eriliinin Snflandrlmas (King and Moe Classification)....... 12 ekil II.10 Saysal Grnt (mge) Gsterimi .......................................................... 21 ekil II.11 Gri Seviye Grnt ve Grntnn Histogram ...................................... 23 ekil II.12 Gri Seviyeli Grntde Parlaklk ve Kontrast Ayarlamas..................... 23 ekil II.13 Histogram Denkletirmeyle Elde Edilen Grnt ve Histogram............ 24 ekil II.14 a) Bir Grntnn x ve y Ynnde Trevleri ve Gradyent Bykl, b) Younluk Geilerinde Birinci ve kinci Derece Trev Cevab ......... 26 ekil II.15 a) Orjinal Grnt b) Sobel ve c) Canny Kenar Haritalar .................... 27 ekil II.16 Gradyent a) Yn, b) Bykl ve c) kinci Derece Trevi.................. 28 ekil II.17 a) X-n Omur Grnts, b) 7x7 Ortalama Filtre Uygulanmas .......... 29 ekil II.18 Ortanca Filtrenin alma Mant........................................................... 30 ekil II.19 a) Omurga X-n Filmi ve 7x7 lik Ortanca Filtre Deeri, b) Omurga ve Ortanca Filrelenmi Grntlerin Canny Kenar Haritas.. 30 ekil II.20 Gaussian ekirdek rnekleri ................................................................... 31 ekil II.21 a) Diz grafisi , b) 7x7, = 1 Deerlerine Gre Gaussian Filtre ile Elde Edilen Grnt, c) 7x7, = 5 Deerlerine Gre Gaussian

xiii

Filtre ile Elde Edilen Grnt.................................................................. 32 ekil II.22 a) Orijinal Grnt b) 3x3 ve c) 9x9 Gli Wiener Filtre Uygulanm Grntler.................................................................. 33 ekil II.23 a) Orijinal Grnt b) G= 15x15, Ortalama Filtre c) Elde Edilen Fark Grnts ........................................................................................ 33 ekil II.24 a) Orijinal Grnt b) A=1.3 Alnarak Elde Edilen Grnt .................. 34 ekil II.25 Kenar yiletirme Ak izelgesi ............................................................. 35 ekil II.26 a) Orijinal Grnt b) Kenar yiletirilmi Hali....................................... 35 ekil II.27 Dinamik Erim Azaltma ............................................................................ 36 ekil II.28 a) Omurga Grnts b) Dinamik Erimi Azaltlm Grnt c) ve d) Bu Grntlere Ait Histogramlar ............................................... 37 ekil II.29 Anisotropik Difzyon Uygulanan Grntnn Farkl terasyon Deerleri ................................................................................... 40 ekil II.30 a) Orijinal Grnt b) Gradyent Alanndan retilen Grnt................. 42 ekil II.31 a) Omurga Grnts ve b) Eiklenmi Hali ........................................... 43 ekil II.32 Aktif Kontur Model Algoritmasnn Grntye Uygulanmas ve Farkl Aradeerleri................................................................................... 45 ekil II.33 Kme Says 5 Alnarak, k-Means Kmeleme Yntemiyle Elde Edilen grnt .................................................................................. 46 ekil IV.1 Grnt (mge) ......................................................................................... 50 ekil IV.2 Grnt Saysallatrma Dzeni ............................................................... 51 ekil IV.3 a) Grnt Aktarma Dzenei b) Kamera ve Bilgisayar Balants......... 53 ekil IV.4 a) HIBW-KIT Kamera Seti b) FLEA Kamera .......................................... 56 ekil IV.5 a) Pincushion bozulma b) Barrel Bozulma ............................................... 57 ekil IV.6 Grafiksel Kullanc Arayz levleri......................................................... 59 ekil IV.7 GUI Program, Mens ve AP Omurga Grnts................................. 60 ekil IV.8 a) Lumber (Bel) Omurga Grnts b) Gradyent Bykl c) Grntnn Histogram ................................. 62 ekil IV.9 a) Orijinal Grnt b) Histogram Eikleme Uygulanm Grnt c) Adaptif Histogram Eikleme Uygulanm Grnt d) Gradyent Alandan Yeniden na Edilen Grnt .............................. 62 ekil IV.10 Kenar Mens......................................................................................... 63 ekil IV.11 a) Gradyent Deeri b) Sobel Kenar Bulma c) Canny Kenar Bulma....... 63

xiv

ekil IV.12 Filtreler Mens...................................................................................... 64 ekil IV.13 a) Orijinal Grnt b) G=7 alnarak Ortalama (Average) filtrelenmi Grnt c) Wiener Filtre, G=7 d) Ortanca (Median) Filtre, G=7 e) G=7, = 2 Gaussian Filtre e) terasyon=15, K=5 alnarak Anisotropik Filtrelenmi Grnt ......... 64 ekil IV.14 lemler Mens...................................................................................... 65 ekil IV.15 Kenar Arttrma Ak izelgesi................................................................ 65 ekil IV.16 a) Orijinal grnt b) Kenar Arttrma..................................................... 66 ekil IV.17 a) Orijinal Grnt b) MorfolojikMask Grnts ................................ 66 ekil IV.18 Bltleme Mens .................................................................................. 67 ekil IV.19 Orijinal Grnt ve Render Edilmi Grnt......................................... 67 ekil IV.20 Analiz GUIsinin Grnm .................................................................. 68 ekil IV.21 Uzunluk lm..................................................................................... 69 ekil IV.22 ROI Grnm ....................................................................................... 70 ekil IV.23 a) Grntde Ksmi Trev b) Grntnn Gradyent Vektr Alan ....... 72 ekil IV.24 Grntnn Gradyent Alanndan Yeniden nasnn Ak izelgesi ..... 72 ekil IV.25 a) rnek Grnt b) Histogram............................................................. 73 ekil IV.26 a) Keskin olmayan (Unsharp) Filtrelenmi Grnt c) Gradyent Alanndan Yeniden na Edilen Grnt, e) Parlaklk Ayar Yaplan Grnt b), d) ve f) Grntlerin Histogramlar .................................... 74 ekil IV.27 Ardl lemlerle Grnt Bltleme Ak izelgesi ............................ 76 ekil IV.28 a) Ardl lemler Kullanlarak Elde Edilen Grnt b) Grntnn Histogram...................................................................... 76 ekil IV.29 Bltlenmi ve Dzletirilmi Omurga Grnts................................. 77 ekil V.1 Grnt leme Dersi in Farkl Disiplin ve Seviyelerdeki rencilere Ynelik nerilen Matematik Bilgi Birikimi ve Bunlarn Kullanmna likin ema ........................................................................ 85

xv

TABLO LSTES

SAYFA NO Tablo II.1 King ve Moe Snflamas .......................................................................... 12 Tablo II.2 Muayenede X-n Kullanan Tbbi Grntleme Trleri ........................ 16 Tablo II.3 1.Derece Trev Sonlu Farklar Gsterimi.................................................. 25 Tablo IV.1 Rntgen Film Boyutlar........................................................................... 52 Tablo IV.2 Kamera zellikleri .................................................................................. 55 Tablo V.1 Grnt lemleri ve Alanlar ................................................................... 79 Tablo V.2 Grnt leme Dersi Verilen niversitelerden Bazlar.......................... 80 Tablo V.3 rnek Grnt leme Dersi Konular ve Haftalk Sresi........................ 81

xvi

BLM I

GR VE AMA
Salk sektr, elektronik cihazlarn youn olarak kullanld alanlarn banda gelir. Grnt ileme yntemlerine dayal sistemlerin kullanlmas, birok bilim ve endstri alannda olduu gibi, zellikle tp alanndaki uygulamalaryla, hemen hemen pek ok hastaln tan ve tedavisinde, alanlarn ve hastalarn ilerini kolaylatrmaktadr. Gnmze kadar gelen srete, srekli gelien ve eitlilii artan grntleme yntemleri sayesinde, hastalklarn tan ve tedavisi ok daha rahat yaplabilmektedir. Ortopedinin konusu olan omurga bozukluklar, ok eitli nedenlerden kaynaklanabilen farkl trleri olan, insan saln, hareketini, yaam konforunu dorudan etkileyen rahatszlklarn genel baldr. Ortopedide, omurga rahatszlklarnn tanmlanmasnda, gelien tm tp grntleme yntemlerine ramen, klasik rntgen tekniinin kullanm ilk srada yer alr. Dier yntemlere gre tad avantajlar nedeniyle, bu sray daha uzun yllar koruyaca aktr. Omurga bozukluklarnda, saysal olarak, x-n grntlerinin deerlendirilmesi ve omurlarn bltlenmesi sorunu, tbbi uygulamalar iin ok nemlidir. Genelde, deerlendirmeler znel yarg ve tecrbeye dayanr. Gnmzde her durum iin, bunu otomatik olarak salayan bir algoritma mevcut deildir. znel yargyla, manuel bltleme yntemlerinin kullanm gvenilirdir. Ancak bu sonular kesinlik ifade etmez ve tekrarlanabilir deildir. Omurlarn bltlenmesi ve

anormalliklerin mteakip deerlendirilmeleri iin, otomatik bir algoritma retiminde gncel metodolojilerin baar orann kstlayan birok neden vardr. Skolyoz (scoliosis) omurga bozukluklarnn sk karlalan bir durumudur. Bu hastalkta vakalar dikkatle izlenir ve erilik derecesinin durumu her seferinde kontrol edilir. Btn aamalarnda, radyolojik deerlendirmelere bavurulur. Ameliyat ise, olduka pahaldr. Doktorun konu ile ilgili tecrbesi ok nemlidir. Eriliin nedeni, modeli, derecesi, omurlardaki kayma durumu, X-n filmlerinden anlalr. Skolyozun nedenleri, snflandrmalar ve eitli lmler; doktorun hangi tedaviyi uygulayacan, hangi yntemle ameliyat yapacan, ameliyat srasnda kullanaca enstrmanlar belirlemesi bakmndan nemlidir. Literatrde eitim ve aratrma alanlarnda, Matlab yazlm ile skolyoz tan tedavi yntemlerini birletiren bir uygulamaya rastlanlmam ve almada bu konu zerinde younlalmtr. Ancak son zamanlarda gelien, fakat henz her yerde kullanlmayan saysal rntgen cihazlar iin erilik as len yazlmlar vardr. Hazrlanan yazlmla, klinik ortamlarda, bir bilgisayarda rntgen filmleri zerinde ilem yaplabilmesi salanarak, a ve greli mesafe hesaplamalarnn daha rahat yaplabildii bir yazlmla doktorlara yardmc olmak hedeflenmitir. Bu tezde gelitirilen yazlm grafik kullanc arabirim ierisinde, grntnn iyiletirilmesi, bltlenmesi ve grselletirilmesi gibi amalara ynelik, eitli grnt ileme yntemlerini kapsayan seeneklerle desteklenmi ve bunlarn grnt zerindeki uygulamalar tez boyunca aktarlmtr. Bu sayede grnt ileme konusuna temel oluturmas da bu almann bir dier kazanmdr. Tasarlanan bir dzenekle, analog tbbi grntlerin bilgisayar ortamna aktarlmas ve kullancnn grntleri arivlemesi anlatlmtr. Burada grntnn saysallatrlrken kalitesinin korunmas ve rnek bir aktarm dzeninin nasl olmas gerektii ve bu konunun ayrntlar aktarlmtr. Grntler yazlm ierisinde incelenmi, zerinde eitli ilemler uygulanarak, grsellii arttrlmtr. Matlab yazlm kullanlarak, aktarlan dosyalarn zerinde eitli grnt ileme uygulamalarnn gereklenebildii bir grafiksel kullanc arayz oluturulmutur. Bu 2

grntler zerinde, doktorun tan ve tedavi yntemine karar verebilmesini kolaylatran, istei dorultusunda gerekli a, mesafe (greli) v.s. gibi lmlerin yaplabilmesine olanak veren aralarla desteklenerek, doktorun hesap yk azaltlm ve omurga dzeltme ameliyatlar ncesi, durum deerlendirmesi yapabilecei bir ortam sunulmutur. Genel olarak ilenmesi zor olan X-n grntlerinin, bu kstlarn gidermek iin, mmkn olduu kadar iyiletirilmesi ve grselliinin arttrlmas konusuna arlk verilmitir. Tezde yer alan blmler ksaca zetlenirse, birinci blmde bu tezde yaplan almann genel olarak bir zeti sunulmaktadr. Ayn zamanda yaplan almann amac hakknda bilgi verilmektedir. kinci blmde literatr taramas yaplarak konular hakknda bilgi verilmitir. Literatr taramas konu bal altnda yaplmtr. lk olarak omurga ekil bozukluklar ve bir omurga ekil bozukluu olan skolyoz hakknda aratrma yaplmtr. Bu hastaln tr, tan ve tedavisi standart yntemlere gre aktarlmtr. Daha sonra, tbbi grnt ilemeye deinilmi ve son olarakta, yine bu blm ierisinde bir dier konu bal olan grnt ileme yntemleri geni bir ekilde verilmitir. Grnt ileme yntemlerinin geni olarak aktarlmasyla, bu tezin grnt ileme dersine bir n hazrlk olmas da amalanmtr. nc blmde benzer almalara deinilmi ve bu almalar ksaca aktarlmtr. Drdnc blmde ise, yardmc sistemin tasarm, X-n grntlerinin bilgisayara aktarm, grntlerin deerlendirilmesi, gelitirilen bltleme yntemleri, grafiksel kullanc arayz ve grselletirme konular yer almaktadr. Beinci blmde, Grnt leme eitimine ynelik aralarn ve yntemlerin belirlenmesi konusu anlatlmtr. Elde edilen sonular ve bu sonularn deerlendirilmesi ile neriler ise, altnc blmde bulunmaktadr.

BLM II

TEMEL KAVRAMLAR VE LTERATR TARAMASI

alma konusu olduka geni bir alana yayld iin, Literatr taramas ana balk altnda yaplmtr. lk olarak, Blm II.1de, omurga bozukluklar, kavram ve kullanlan standart terimleri aratrlmtr. Omurga mekanii, skolyoz trleri ve snflandrlmas, kullanlan tehis ve tedavi yntemleri yine standart terimler zerinden, omurga bozukluklar bal altnda bu blmde toplanarak aktarlmtr. Dier konu balnda ise, tbbi grnt ileme hakknda genel bilgiler bulunmaktadr. Tbbi grntleme yntemleri, tbbi grntlerin analizi ve bltlenmesi, almalarda kullanlan yntemlerin dayand algoritmalar Blm II.2de verilmitir. Son olarak, yazlmda kullanlan temel grnt ileme yntemleri, matematiksel ilemler ve algoritmalar ile bunlarn alma mant verilmitir. Ayrca bu algoritmalarn grnt zerindeki etkileri de aratrlm ve tm bu bilgiler Blm II.3te aktarlmtr.

II.1. OMURGA BOZUKLUKLARI

II.1.1. Giri
lkemizde ve dnyada yaplan istatistiksel almalarda, omurga ekil bozukluklarnn (skolyoz, kifoz v.s.) olduka sk rastlanlan rahatszlklar olduu belirtilmektedir. rnein, Trkiyede gelime andaki bireylerin %3-%4nde skolyoz grlmektedir. A.B.Dinde ylda ortalama 500,000 kii omurga ekil bozukluklar ile ilgili rahatszlklar nedeniyle operasyon geirmektedir. Yine A.B.D de nfusun %80inin, hayatlarnn belli dnemlerinde omurga ile ilgili rahatszlklara yakaland, zellikle 1960l yllardan sonra omurga ve bel ameliyatlarnn %60 orannda artt literatrde yer almaktadr.

II.1.2. Omurga Yaps ve Bozukluklar

Bir insan vcudunda 33 adet omur (vertebra) bulunur. Omurlar kafatasnn hemen altndan balayarak, kuyruk sokumuna kadar uzanrlar ve birbirleriyle st ste eklem yaparak omurgay tekil ederler. Omurga ok eitli ynde ve geni hareketler yapabilme kabiliyetine sahiptir. Omurgann en nemli fonksiyonlar mekanik ve nrolojik olarak iki grupta toplanabilir. Mekanik fonksiyonlar ierisinde balcalar; vcut arln tama ve dier ksmlara iletme, gvdeyi oluturma ve duruu temin etme, arsz hareket etme kabiliyeti saylabilir. Nrolojik fonksiyon olarak adlandrlan grevi ise, omurilik ve eklerini ierisinde barndrmak ve sahip olduu mkemmel yap ile korunmasn salamaktr [1],[2]. Omurga, ekil II.1de de grld gibi; 7 adet boyun omuru (cervical vertebrae ), 12 adet srt omuru (thoracic vertebrae), 5 adet bel omurundan (lumbar vertebrae) oluur. Bel omurlarndan sonra gelen omurlar birleerek, sakrum (sacrum) ve kuyruk sokumu (coccyx) kemiklerini olutururlar. Frontal dzlemde stun grnmnde olan omurga, sagittal dzlemde (n-arka dikey dzlem) yayvan S eklindedir ve bir takm erilikler gsterir. Boyun ve bel blgesinde erilik arkaya doru olup lordoz durumunda, srt ve sakral blgede ise ne doru olup kifoz durumunda bulunur. Bu erilikler omurgann

normal fizyolojik erilikleridir ve omurgada stabilite ve dayankll salar. Omurlar arasnda intervertebral diskler vardr ve diskler yar eklem saylrlar [3],[4].

ekil II.1. Normal Omurga Yaps nden ve Yandan Grnm

Omurga hastalklar, ou zaman omurgann fonksiyonlarndan birine veya birden fazlasna zarar vererek kendilerini gsterirler. Omurga bozukluklar, vcudun anatomik dzlemlerine gre tarif edilir. Koronal dzlemde (skolyotik) ve sagittal dzlemde (kifotik ve lordotik) olmak zere iki temel omurga bozukluu vardr. Anatomik durua gre temel dzlemler ekil.II.2de gsterildii gibidir.

ekil II.2. Anatomi dzlemleri

Omurga koronal (frontal, n) dzlemde bir dorudur, eer doru eklinde deilse skolyoz vardr. Omurgann doal kavisi ise sagittal dzlemde grlr. Doal yapdaki bu sapmalar bozukluk olarak nitelendirilerek, dzlemlere ve yapsna gre farkl adlandrlr [6]. Bu bozukluklar doutan ya da sonradan ok farkl nedenlerle oluabilirler. Bu almada omurgann, ekil.II.3de grlen nemli bir mekanik fonksiyon bozukluu olan skolyoza (scoliosis) deinilmitir.

ekil II.3. Normal Omurga ve Omurga ekil Bozukluu (Skolyoz)

II.1.3. Skolyoz (Scoliosis)

Skolyoz, omurgann bel veya gs blgelerinde grlen yana doru erilik olarak tanmlanr. Bu erilik tanmland gibi tek boyutlu olabilecei gibi, genelde boyutluda olabilir (sagittal, coronal, axial). Skolyoz bir hastalktan daha ok tanmlayc bir terimdir ve ok farkl nedenlerden kaynaklanabilir. Doutan omurga anomalileri, nrolojik bozukluklar, genetik hastalklar sebeplerinden bazlardr. Bununla beraber vakalarn %80inden fazlasnda bir sebep bulunamaz ve bunlara idiyopatik skolyoz denir. Gen kzlarda erkeklere gre daha sk grlr [5]. Deerlendirme ve Tan: Omurgann yana eiklii en ak belirtisidir. Ayrca srt ars, yorgunluk, nefes darl olabilir. Gvde, omuz ve pelvis hizasnda asimetrik duru gzlenerek ilk saptama yaplr. Hastalar, kollarn aa sarktarak ne eildiklerinde, srtta ve zellikle krek kemii seviyesinde asimetrinin varl skolyozun ilk tansdr. Bu asimetrinin baka nedenlerinin (travma, kas tutulmas gibi) olup olmad aratrlr. Ayrca skolyometre (ekil II.4) denen aletle erilik derecesi llr [16]. Doktor hastann yan, ailesini ve nrolojik yapsn ieren bir takm testler uygular. Kesin tan, X-n grafilerinden anlalr. Omurgann tamamn kapsayan, ayakta ekilmi, anterioposterior (AP) ve Lateral grafiler ekilir. Bu grafilerle eriliin blgesi ve derecesi deerlendirilir. Eriliin ilerleme durumu, dzenli aralklarla belli bir sre

takip edilir ve tedavi iin gereken planlar yaplr.

ekil II.4. Skolyometre

Skolyozun tedavisinde; kullanlan yntemler; egzersiz tedavisi, korse uygulamas ve ameliyattr. Skolyozun nedenlerine, yaa, eriliin yapsna gre farkl trleri ve snflandrmalar vardr. Tetkik srasnda bu nedenlerin belirlenmesi ve ona gre bir tedavi ynteminin seilmesi gerekir. Eriliin tam olarak deerlendirilmesi, tedavi iin son derece nemlidir. Doktor bu deerlendirmelere gre farkl tedavi yntemi belirler. Eriliin 20onin altnda olduu hafif vakalar sadece gzlem altnda tutularak, zaman iinde tedavi edilir. Kaslardaki dengesizliin, sertleme ve ksalmalarn nlenmesi iin dzenli egzersizler nerilir. Tek bana egzersiz skolyozun ilerlemesini nlemez. 20o ile 40o arasndaki eriliklerde korse uygulamasna bavurulur. Tedavi tipini belirlemede tek kriter eriliin derecesi deildir, hastann kemik geliim dzeyi, kalan byme kapasitesi, omurgann dengesi, eriliin fleksibilitesi ve ilerleme hz gibi faktrlerde gz nnde bulundurulur. Skolyozu ilerlemi hastalarda erilik ve omurgada dnmenin artmas ile gs boluu zamanla daralabilir. Bu da akciere giren ve kan havann azalmasna neden olur. Bu tip vakalarda korse uygulamas ya da ameliyat yaplmas gerekebilir. Erilii dzeltmek, ilerlemenin nne gemek ve dengeli bir omurga elde etmek amacyla, 4045o zerindeki vakalarda ameliyatla tedavi yoluna gidilir [13]. Farkl cerrahi kesimler blgelerin davranlarna dayanarak yaplr. Yaklamlar ya nden (anterior), ya arkadan (posterior) ya da her iki trl yaplabilir. Operatr, en iyi yaklam elde etmek iin hastalarn X-n grafileri zerinde alr. Fzyon belirlendikten sonra uygun omurga enstrmanlar (graft, rod, v.s) kullanlarak ameliyat yaplr [8],[9],[10].

II.1.4. Omurga Bozukluklar Terminolojisi

Skolyoz, yerleim yerine, ynne gre farkl ekillerde adlandrlr. Erilik C eklinde olabilecei gibi, S eklinde ya da daha farkl modellerde olabilir. Eriliin tepe noktasnn omurgadaki yeri temel alnarak; servikal erilik (C1- C6), servikotorasik erilik (C7- T1), torasik erilik (T2- T11), torakolomber erilik (T12- L1), lomber erilik (L2- L4), lumbosakral erilik (L5- S1) olarak adlandrlr. Yine bu erilikler yne gre, sa veya sol diye isimlendirilir. Ergenlik dneminde grlen skolyoz deerlendirmeleri iin erilik desenlerine gre, King ve Moe ya da Lenke snflandrmalar kullanlabilir. Bu snflandrmalar ve lmler cerrahn hangi yntemle ameliyat yapacan ve ameliyat srasnda kullanaca enstrmanlar belirlemesi bakmndan yardmc olur. Erilik derecesinin llmesinde Cobb ya da Ferguson yntemleri kullanlr. Omurun ekseni etrafndaki dnme as ise Nash ve Moe yntemiyle tespit edilir. Standart terimler, Skolyoz Aratrma Derneinin (Scoliosis Research Society), omurga bozukluklar ile ilgili olarak hazrlad ve nerdii szlk temel alnarak aklanmtr. ekil II.5te yine bu dernein tanmlad normal omurga yaps ve tanmlamalar yer almaktadr [7].

ekil II.5. Erilik lmleri

Omur gvde hatt (Vertebral body line): Omur kitlesi boyunca geen kavisli hat. Omur gvdelerinin merkezleri boyunca ilerleyen 3 boyutlu erilik. Omur kitle merkezi

(Vertebra centroid): Omur gvdesinin orta noktas. Omurun iki son plann merkezleri arasnda yar yolda bulunan nokta. Yanal Dzlem Tepe Omuru (Apical vertebra lateral plane): Omurun tepeden yanal grnn gsteren dzlem. Tepe omurun y-z lokal dzlemi. Erilik As (Curvature Angle): Cobb, Ferguson ya da herhangi bir analitik lm ynteminin belirli bir dzlemde uygulanmas ile elde edilen deer. Belirli bir dzlemde blgesel eriliin bykl (derece) zel bir yntemle llr. Bu yntemler Cobb, Ferguson ve dier analitik yntemler olabilir. Erilik, omur gvde hattnn dzletii yer belirlenerek llr. ekil II.6da geometrik tanmlamalar iin temel koordinat dzlemleri grlmektedir [7].

ekil II.6. Omurga Geometri Tanmlamalar iin Temel Koordinat Dzlemleri

II.1.4.1. Cobb Yntemi

Eriliin derecesini belirlemede a lmek iin, genelde Cobb yntemi kullanlr. Hastann Frontal grafisinden, en fazla eilen alt ve st omurlarnn bitim yerleri arasndan llen adr. Apikal omur, AP boy grafisinde erilik ierisinde kalan, yanal olarak en ok deien omur gvde hattna en uzak olan omurdur. Daha sonra omur gvde hattna en yakn eriliin sonland alt ve st omurlar bulunur. En stteki son omurun st bitim yeri ve en alttaki son omurun alt bitim yeri boyunca yatay hatlar izilir ve bu hatlarn kesiimi ile elde edilen a llr. Bu kesiim grafinin dnda kalabileceinden bu hatlara izilen dik dorular arasnda kalan a da eriliin derecesini verir. ekil II.7de en ok kullanlan yntem olan Cobb a lme yntemi, ekil II.8de iki doru arasnda ann gsterimi, (II.1)de de ann hesaplanmas verilmektedir [7],[9],[14].

10

ekil II.7. Cobb Yntemi

Y A(x1,y1) B(x2,y2) d1

d2 C(x3,y3) D(x4,y4) X

ekil II.8 ki Doru Arasndaki Ann Gsterimi

ki noktas belli olan iki doru arasndaki ann deeri II.1de verilen denklemle hesaplanr.
y 4 y3 y 2 y1 x 4 x3 x 2 x1 tan = y 4 y3 y 2 y1 1+ . x 4 x3 x 2 x1

(II.1)

II.1.4.2. King ve Moe Snflandrmas

Adolesanlarda grlen idiyopatik skolyozda gelien omurga bozukluu iin gelitirilen ve bugn iin en ok kullanlan snflandrma, 1983te gelitirilen King ve Moe snflamasdr. Bu snflandrmaya gre adolesan idiyopatik skolyoz ekil II.9 ve Tablo II.1 de grld gibi snflandrlr [11],[20].

11

ekil II.9. Skolyoz Eriliinin Snflandrlmas (King and Moe Classification)

Tablo II.1 King ve Moe Snflamas Tip I Torakal ve lomber blgede omur gvde hattn geen S eklinde bir erilik vardr. Lomber erilik torakal erilikten daha byktr. Torakal eriliin lomber erilikten daha byk olduu durumlarda ise lomber erilik daha az esnektir. Tip II Omur gvde hattn geen S eklinde bir erilik vardr. Torakal erilik lomber erilie eit ya da daha byktr. Lomber erilik daha esnektir. Tip III Tip IV Tip V Yalnz torakal bir erilik vardr. Lomber erilik omur gvde hattn gemez. L4te eriliin konveks tarafna doru eildii uzun bir torakal erilik vardr. ift torakal erilik vardr. T1 stteki torakal eriliin konveks yanna doru eilmitir.

12

II.2. TIBB GRNT LEME

II.2.1. Giri
Willhelm C. Rntgenin, 1895te, X-n adn verdii buluu tbbi grntlemenin temelini oluturur [18]. Gnmzde kullanlan grntleme cihazlar ok eitlidir. Bu cihazlar grnt elde etmede; X-n, ses, radyo dalgalar gibi enerjinin baz biimlerini kullanarak vcudun bir blgesiyle etkileim salarlar. Etkileimler sourma, zayflama, nkleer manyetik bozunma gibi zelliklerdir. Ardndan, bu etkileimlerle ilgili lmler kaydedilerek, bunlarn matematiksel deerlendirmeleri yaplr. Sonu olarak, iki boyutlu ve boyutlu grntler haline getirilir. Tbbi grntlemede kullanlan modaliteler yapsal ve fonksiyonel bilgi veren modaliteler olarak ikiye ayrlr. Yapsal grntleme yntemlerinde, normal anatomideki yapsal deiiklikler ayrntl olarak incelenir. Hastalkl dokudaki biyokimyasal deiim genelde, anatomik deiimden nce olutuundan, anatomik grntlemenin yeterli cevab veremedii durumlarda biyokimyasal deiiklikleri gsteren, fonksiyonel grntleme yntemleri kullanlr [15].

II.2.2. Temel Grntleme Yntemleri

Vcut iinin grntlenmesinde gemite uzun bir sre boyunca X-n grntleme (X-ray imaging; Rntgen) cihazlar kullanlrken, gnmzde farkl grntleme yntemleri de mevcuttur. Bilgisayarl Tomografi (Computerised Tomography-CT), Manyetik Rezonans Grntleme (Magnetic Resonance Imaging-MRI), fMRI (Functional MRI), Ultrasonografi (Ultrasonography-USG), Pozitron Emisyon Tomografisi (Positron Emission Tomography-PET), Tek Foton Emisyon Bilgisayar Tomografisi (Single Photon Emission Computed Tomography-SPECT) gibi cihazlar, tpta grnt elde etmede kullanlan temel cihazlardr. Bunlar yapsal ya da fonksiyonel grntlemede kullanlr. Her birinin kullanm yeri ve amac farkldr. Bu grntleme yntemlerinden X-n grntleme, BT, MRG, USG yapsal grntleme ve PET, SPECT, fMRI cihazlar da fonksiyonel grntleme amacyla kullanlr [18].

13

Kas-iskelet

sisteminin

grntlenmesinde

ise,

ilk

ve

temel

yntem

X-n

grntlemedir. Bunun yan sra BT (Bilgisayarl Tomografi), Ultrasonografi, MRG, PET ve SPECT grntleme teknikleri de kas-iskelet sisteminin radyolojik deerlendirmelerinde kullanlr. Kemik dokunun grntlenmesinde, rntgenin kullanm ilk srada yer alr. BT, rntgende saptanamayan yumuak doku ve kemik deiikliklerinin grntlenmesinde tercih edilir. MRG, yumuak doku kontrast zmleme gc en yksek grntlemedir ve farkl dzlemlerden grnt elde etme yeteneine sahiptir. Bazen rntgende gzden kaan (femur; boyun kr) lezyonlar MRG ile saptanabilir. Ultrasonografiyle tendon (kiri) ve kaslar grntlenir ve dier yntemlere gre daha ucuzdur. PET, SPECT, ve fMRI gibi grntleme yntemleri ise, zellikle kanser aratrmalarnda fonksiyonel aktiviteleri takip etmek amacyla kullanlr [12]. Tehis ve tedavinin vazgeilmez aralar olan bu grntleme yntemlerinin kendine gre avantaj ve dezavantajlar olduu gibi, her birinin kullanm yerleri de farkldr. Kemik dokunun grntlenmesinde X-n grntleme ve BT temel grntleme yntemleridir.

II.2.2.1. Bilgisayarl Tomografi (BT)

X-nlar kullanlarak vcudun incelenen blgesinin kesitsel grntsn oluturmaya ynelik radyolojik tehis yntemidir. BTnin temel prensibi, bir nesnenin iyapsnn, nesnenin birok izdmnden aktrlarak tekrar elde edilebileceidir. X-n kayna, incelenecek hasta etrafnda 360 derecelik bir dn hareketi yaparken, gantri ad verilen ksm boyunca dizilmi dedektrler tarafndan, X-n demetinin vcudu geen ksm saptanarak elde edilen veriler bilgisayara aktarlr. Bilgisayar tarafndan ilenen verilerle, istenen dokularn birbiri ard sra kesitsel grntleri oluturulur. Bu grntler bilgisayar ekranndan izlenebilecei gibi, gerekirse zerinde ilem yaplabilir, 3 boyutlu hale getirilebilir ya da tekrar kullanmak zere kaydedilebilirler. BT yumuak doku ve kemiklerin ekil ve yerleimini olduka net gsterir.

14

II.2.2.2. X-In Grntleme

Gnmzdeki rntgen cihazlar, yzyl nceki cihazla temelde ayndr ve x-nlarnn sourulmasyla grnt oluturulur. Teknolojik prensipleri asndan, fazla bir deiiklie uramamtr. Ancak grnt znrl arttrlm ve saysal olarakta kayt yapabilen yeni tipleri gelitirilmitir [17]. X-n cihazlar yapsal grntleme amacyla kullanlr ve kaydedilen parametre enerji sourmadr. Uzamsal znrl yksek ve grnt kayd iki boyutludur. En nemli avantaj, yumuak doku ile kemik doku arasndaki geii son derece belirgin bir ekilde gstermesidir. Temel olarak, Xnlarn kullanan floroskopi, mamografi, anjiyografi ve bilgisayarl tomografi gibi gelimi cihazlarn varlna ramen, X-n cihazlar tehis amacyla kullanmda ilk srada yer almaktadr. Bunun nedeni, birok hastaln tehisinin rntgen ile rahatlkla yaplabilmesi, hastann iyonize radyasyona dier X-n kullanan cihazlara gre daha az maruz kalmas ve maliyet asndan da pek ok yntemden daha ucuz olmasdr. Bu nedenle modern tbbn vazgeilmez grntleme yntemi olmaya daha uzun sre devam edecektir. X-n grntlemenin dezavantaj, iki boyutlu gsterimi nedeniyle bilginin ounun kaybolmasdr. nceleme yapmak iin grntnn baslmas gereklidir. Saysal X-n cihazlar henz her yerde bulunmamaktadr. Sonu olarak, omurgann yapsal olarak grntlenmesinde X-n grntleme ve BT dier yapsal grntleme yntemlerine gre daha kaliteli grntleme salar. BTden elde edilen grntler genelde doktorlar tarafndan ameliyat ncesi planlama amacyla kullanlr. almann konusu, kemik dokunun grntlenmesinde ilk tercih edilen ve en ok kullanlan yntem olan rntgen cihaznn grntsdr.

II.2.2.3. X-In Grntlerinin zellikleri

X-nlar, vcuda temas ettiinde, farkl anatomik yaplardan farkl seviyelerde absorbe edilir. Grnt kireli yap, yumuak doku, ya ve gazdan farkl absorbe edilen nlara gre ekillenir. rnein, kemik doku radyasyonun byk miktarn absorbe eder, bu nedenle kemikler grntde beyaz ya da beyaza yakn tonlarda ak gri grnrlerken, yumuak dokular radyasyonu daha az absorbe ettiinden daha karanlk grnrler. Xn tpne yksek gerilim uygulanmas kontrast deitirir. Salm grlt problemi

15

deil kontrastla ilgilidir. Grnt kalitesi znrlk, grlt, distorsiyon ve kontrast deerlerine baldr. Yaplarn alglanan boyutlar, bir nokta kaynandan X-nlarnn raksamasyla bozulur. boyutlu nesne bilgisi, iki boyutlu izdme (imge) indirgenir. X-n grntlemede nicel (quantitative) deil, nitel (qualitative) deerde grntler elde edilir. Bu nedenle boyut ve mesafe lm; kesinlik iermez. Tablo II.2de X-nlarn kullanan grntleme cihazlar verilmitir. Bu almada kullanlan tbbi grntler Tablo II.2de verilen trlerden, ilk satrda yer alan genel radyografi teknolojisine ait tekli projeksiyon grntleridir. Tablo II.2. Muayenede X-n Kullanan Tbbi Grntleme Trleri Genel Radyografi Floroskopi Anjiografi Bilgisayarl Tomografi Kemik Mineral Densitometri Tekli projeksiyon grnt Anatomik hareketliliin tekli projeksiyon grntlenmesi Kan ak hareketinin yakalanmas ile tekli projeksiyon grntlerin hzl serisi oklu projeksiyon grntleme ile anatomik kesit grntleme Kemik sertliinin analizi

X-nlar ok yksek frekansl ve enerjili, ksa dalga boylu elektromanyetik nmdr. Tan amal X-n cihazlarnn enerjisi tipik olarak 10-150 keV arasndadr [21].

II.2.3. Tbbi Grntlerin Analizi

Grnt analizi, modern grnt ileme yntemlerine dayanr. Bu alandaki gelimeler, tbbi grntlerin ilenmesine de yansmaktadr. Literatr incelendiinde bltleme (segmentation), aktrma (registration), grselletirme (visualization), canlandrma (simulation) tbbi grnt ilemede temel sorunlar olarak grlmekte ve almalar bu konular etrafnda younlamaktadr. Ayrca, tbbi grntlerin saysnn, eitliliinin ve hacminin oalmas, farkl modalitelerden elde edilen grntlerin bir arada kaydedilmesini, ilenmesini, analizini ve bunlara hzl eriimi salayan, veri taban ve yazlmlara olan ilgiyi de bir hayli arttrmtr [18]. Genel olarak, tbbi grntler grltl, geni lekli ve eitli kstlamalara sahiptirler. Tbbi grnt ilemede, grntnn netletirilmesi ve istenen zelliklerin daha sonraki uygulamalar iin elverili

16

hale getirilmesi amacyla, baz n ilemlerden geirilmesi arttr. Bu nedenle grnt iyiletirme (enhancement) ve onarma (restoration) yntemlerine bavurulur. Bltleme, aktrma, grselletirme, simulasyon gibi ileri aamalarda dzgn ve doru sonular elde edilmesi, bu admlarn baarl olmasna baldr. Grntnn bltlenmesi de, yine tbbi grnt ilemenin en nemli sorunlarndan biridir. Mevcut bltleme algoritmalarnn ou grnty mkemmel kabul eder. Tbbi grntlerde ise nesne snrlar kesin deildir. Bu nedenle, tbbi grnt analizinde iyiletirme ve bltleme ilemleri olduka zordur ve hala bu konularn aratrmalar devam etmektedir. zellikle X-n grntlerinin saysal olarak deerlendirilmesi, sahip olduu kstlamalar nedeniyle bir takm glkler ierir. Grnt analizi ve grnt zelliklerinin elde edilmesinde kullanlan pek ok yntem vardr. Bu almada tbbi grnt ilemede sklkla kullanlan temel yntemler, kavramlar ve uygulamalar yer almaktadr.

II.2.4. Tbbi Grntlerin Bltlenmesi

Tbbi grnt bltleme, yaplarn otomatik olarak ayrtrlmasnda, organ ve tan zelliklerinin belirlenmesinde, bilgisayar yardml tan uygulamalar ile istatistiksel ekil analizi ve tbbi grntlerin grselletirilmesi iin gerekli olan, ancak son derece bezdirici ve zor bir ilevdir [28]. Grntnn istenen ksmlarnn ayrtrlmas iin, nesne snrlarnn bulunmas olarak da tanmlanr. Genelde kullanlan bltleme algoritmalar, grnty mkemmel kabul eder. Gerekte ise, grntler eitli sebeplerden dolay grlt etkisindedir. Algoritmalar, grnty grltsz, kenar bilgisi keskin ve dzgn blgelere ayrlm varsayarlar. Grnt analizi yapan algoritmalarn genel ileyi biimi u ekildedir: nce grnt bir takm n ilemlerden geirilerek grltden arndrlp, dzletirilir. Yine bu algoritmalarn ou kenar bilgisini ierdiinden, kenar tespiti yaplr. Bltleme sonucu, elde edilen grnt ilenmemi veridir. Sonular kontrol edilip gzden geirilerek, mantksz ekiller dzeltilir ve verilen kriterlere uygun blgeler bulunur. Dolaysyla bu sre birok, ardl ilemler gerektirir.

17

Tbbi grntleme balamnda, blgeler anatomik olarak anlaml olmak zorundadr [18]. Tp uygulamalarnda, bltleme kemik, kas, yumuak doku gibi farkl anatomik zelliklerin snflandrlmasnda kullanlr [19]. Elde edilen grntdeki dk znrlk ve kartlk, grlt, geometrik bozulma ve grntlemede insan faktrnn varl, grnt kalitesinin dmesine neden olur [18]. Buna ek olarak, trde blgelerin ayrtrlma snrlarn saptamakta bltleme de zor bir ilemdir. Bu nedenlerle, mevcut almalarda bltlemeye ynelik birok yaklam ileri srlmtr [19]. Tbbi grnt bltlemede uygulanan bltleme yntemleri, Eikleme (Thresholding), Blge Bytme (Region Growing), Snflandrclar (Classifiers), Kmeleme (Clustering), Markov Rastgele Alanlar (Markov Random Fields), Yapay Sinir A (Artificial Neural Network), Atlas Klavuzlu (Atlas-guided), Deforme Edilebilen Modeller (Deformable Models) ve dier yntemler olarak sralanabilir [19]. Bu yntemlerden bazlar: Eikleme: Grnt younluunun ikili olarak ayrtrlmasn salar. Matematiksel morfolojik ilemlerle beraber sonuca gidilir. Ardl grnt ileme operasyonlarnda balang adm olarak kullanlr. Blge bytme: Grnt analizinde, ayn zellikleri tayan komu pikselleri bir araya getirerek yaplan bltlemeleri ortaya karma ilemleridir. Snflandrclar: Deneme Seti gerektirir. Kmeleme: gerektirirler. Markov Rastgele Alanlar: Tek bana bir bltleme yntemi olmaktan ok, istatistiksel model retmede kullanlr [19]. Atlas tabanl bltleme: Beynin beyaz-gri cevherinin, ayrk zamanl etiketleri ile srekli zamandaki younluklar deitirilerek MRI grntlenmesi rnek olarak verilebilir. Burada bltleme, dzletirme/bilgi azaltma eklinde u noktada grlebilir. Yine 18 k-ortalamalar, fuzzy c-ortalamalar en ok kullanlan kmeleme

algoritmalardr. Snflandrclar gibi deneme seti gerektirmez, ancak balang deeri

burada bltleme hassas bir kayt yapmaya baldr. Eer, bir atlas eldeki veri kmesi ile kusursuz kayt yaparsa, kaydedilen atlas etiketleri bltleme anlamna gelir. Atlas tabanl bltleme, uzmanlar tarafndan eitli rnekler alnarak yaplan manuel bltleme yntemidir [18]. Deforme Edilebilen Modeller (Deformable Models): Son yllarda, matematik alanda deiken modeller ve ksmi trev denklemlerinin zmlerinde yaanan umut verici gelimelerle beraber, bltleme probleminin zm aratrmalar artmtr. Bu yntemde, nceden oluturulan modellerin iki ya da boyutlu ekil bilgisi ile modelin elastiklii tanmlanr. Daha sonra, bu modeller, eldeki grntyle, uyumunu tanmlayan enerji fonksiyonlar kullanlarak deforme edilir. Model tabanl yntemler arasnda olan, Deforme edilebilen modeller geometri, fizik ve yaklamlar kuramn bir arada sunar. Geometri, nesne eklinin gsterimini; fizik ise, eklin deiiminin kstlanmasn, yaklamlar kuram da; mekanizmann biimsel altyapsn oluturmaya yarar [27]. Mevcut bltleme algoritmalarnn ou grnty mkemmel kabul eder. Tbbi grntlerde ise nesne snrlar kesin deildir. Bu nedenle, tbbi grnt analizinde iyiletirme ve bltleme ilemlerinin aratrmalar halen youn bir ekilde devam etmektedir. Sonu olarak, bltleme yntemlerinin olduka eitli olduu grlmektedir. Bu nedenle yntem seilirken hangi modaliteye ait grntnn ilenecei, bltleme amac, kullanc etkileiminin miktar, hz gereksinimi ve n bilgi gerektirip gerektirmedii gibi konular gz nnde bulundurularak, amaca gre bir yntemin belirlenmesi gerekmektedir.

19

II.3. GRNT YLETRME VE BLTLEME

Grnt onarm ve iyiletirilmesi, saysal olarak grntnn ilenebilmesinin ilk basamadr. Genel olarak iyiletirme yntemleri sorunlarn zmne bulusal (heuristic), onarma yntemleri ise, matematiksel yaklar. Grnt iyiletirmede, kontrast arttrma, grlt giderme, kenarlara vurgu yapma, kenar bulma gibi ilemleri yerine getirmek iin, eitli ekillerde uygulanan filtrelerden (szge) faydalanlr. Filtrelerle ilgili zmlerde, uzamsal ve frekans dzlemlerinde olmak zere farkl yaklamlar vardr. Uzamsal dzlemde, grnt pikselleriyle dorudan ilem yaplr. Frekans dzleminde, Fourier dnmlerinin kullanmyla dorusal filtreler, kuramsal olarak tasarlanr. Bir filtrenin saysal olarak elde edilmesinde eitli hesaplamalar kullanlsa da, tasarm ilkelerinin karm Fourier dnmnden elde edilir. Grntden istenen zelliklerin elde edilmesinde, kontrast ve parlakln ayarlanmas yeterli deildir. Grntnn iyiletirilmesi iin birok farkl filtreleme ynteminin de kullanlmas gerekir. Bu ilemlerde kullanlan algoritmalar uygulamada, dorusal (linear) ve dorusal olmayan (non-linear) yaklamla ifade edilir. Aradaki temel fark, dorusal sistemlerin Fourier dzleminde analizinin mmkn olmasna karlk, dorusal olmayan sistemlerin analizinin mmkn olmamasdr. Dorusal olmayan filtreleme yntemlerinin en byk avantaj hzl ve basitletirilmi hesaplamalardr. Genellikle sra istatistik temelli filtrelerdir ve toplanr trdeki grltlerde iyi sonu verirler [22]. Farkl aydnlatma artlarndan elde edilen grntler, grntnn ilenmesini zorlatran en byk sorunlardan biridir. Farkl aydnlatmalarda alnan grntye uygulanan algoritmadan farkl sonular elde edilebilir. Bu nedenle ncelikle bu durumun mmkn olduu kadar dzeltilmesi gerekir.

II.3.1. Genel Bilgiler

Grnt (imge), 3Blu dnyann dzlemsel izdmdr. Her trl iki boyutlu bilgi grnt olarak tanmlanr. Grnt ileme, grnt analizi, rnt tanma ve bilgisayar grs ile balantldr. Grnt ilemleri; dk seviye ilemler (nilemler,

20

filtreleme, iyiletirme ve onarma), orta seviye ilemler (Bltleme) ve yksek seviye ilemler (Tanma) olarak e ayrlabilir. ekil II.10da rnek bir saysal grnt verilmitir. N

f(x,y)

ekil II.10. Saysal Grnt (mge) Gsterimi

Bir gri seviye grnt matematiksel olarak M ve N, satr, sutun deerlerini belirtmek zere MxN boyutlu bir matris olarak tanmlanr. Bu matrisin, x ve y uzamsal dzlemde herhangi bir koordinat deerine karlk gelen k younluu f(x,y) fonksiyonuyla gsterilir. Fonksiyon deeri f, grntnn verilen koordinatlardaki gri seviye bilgisini, yani k younluu deerini gsterir. Matrisin her bir eleman piksel olarak adlandrlr. f(x,y) giri grnts, g(x,y) k grnts olmak zere g(x,y)=T[f(x,y)] eklindeki bantda (x,y) koordinatlarnn komuluk deeri ile ilgili olmak zere, T bir operatr temsil eder. Komuluk blgesinin en basit biimi 1x1 boyutlu (tek piksel) alnabilir. Bu durum, (x,y) koordinatlarndaki piksel deerleriyle dorudan ilem yaplmas demektir [23].

II.3.2. Konvolusyon ve Korelasyon

Konvolusyon, grnt ilemede eitli ilevleri yerine getirmede kullanlan bir matematik ilemdir. Matematiksel olarak birleme, yer deitirme, dalma gibi zellikler tar. f(x,y); giri grnts, h(x,y); darbe yant, g(x,y); filtrelenmi grnt olmak zere; konvolusyon ileminin tanm (II.2)de verildii gibidir.

G (u,v)= F (u ,v) H (u,v) g ( x, y )=h( x, y )* f ( x, y )

(II.2)

ki boyutlu bir grnt iin ayrk dzlemde konvolusyon tanm; (II.3)te verilmitir.

21

g (n1 , n2 ) =

k1 = k 2 =

f (k , k )h(n k , n
1 2 1 1

k2 )

(II.3)

Saysal grnt ilemede konvolusyon ilemi, sonlu ekil ve byklkteki bir ekirdek (kernel) kullanlarak, bir grnt boyunca taranmasn ifade eder. Bir k pikselinin deeri, ekirdek, ya da filtre (szge) ad verilen kendine zel deerleri ile temsil edilen ereve matrisinin, giri piksel deerleri ile arlkl toplamlarnn hesaplanmasndan elde edilir. Dorusal filtrelerde, genelde konvolusyon ve korelasyon ilemlerinden faydalanlr. Korelasyon ilemi, konvolusyon ilemiyle benzerdir. Korelasyonda, ekirdek katsaylar dorudan kendi konumlarna karlk gelen piksel deerleri ile arplr. Konvolusyonda ise, ekirdek merkez piksel etrafnda 180o dndrlerek arlk hesaplanr. Korelasyon daha ok iki grnt arasndaki benzerlik hesabnda kullanlr (II.4). g (n1 , n2 ) =

k1 = k 2 =

f (k , k )h(n
1 2

+ k1 , n 2 + k 2 )

(II.4)

Grntden istenen zelliklerin elde edilmesinde, kontrast ve parlakln ayarlanmas yeterli deildir. Grntnn iyiletirilmesi iin farkl filtreleme yntemlerinin de kullanlmas gerekir.

II.3.3. Parlaklk ve Kontrast yiletirme lemleri

Grntnn kayd srasnda oluan aydnlatma durumu ve alglayclarn yanl ayarlanmas gibi nedenlerle, kontrast (kartlk) dk olabilir. Kontrast ayar aslnda uzman i istasyonlarnda yaplr. Grnt ekranda grntlendii zaman, kontrast kayptr. Veri erimine ait bilgi azaldndan geri alnamaz. Gerekte, uygun ekilde kontrast ayar bir gz atma tablosu kullanarak orijinal veri zerinde yaplr. Grnt zerinde kontrast ve parlaklk ayarlar iin histogramdan faydalanlr. Histogram; Bir grntdeki k younluuna (intensity) ait deerlerin grafiksel gsterimine denir. Bu grafik zerinde, k younluk deerleri (gri-seviye) yatay eksende ve bu younluk deerlerinin grnt iinde hangi sklkta olduunu belirten deerlerde dikey eksende yer alr. Histogram, grntdeki piksellerin koordinat bilgisini iermez. Ancak grntde yer alan younluk bilgisinin dalm, grntnn karanlk m aydnlk m olduu hakknda bilgi verir. Ayrca bir grntnn belli dalma sahip k younluk deerleri zerinde ilemler yaplarak, grntde istenen baz zellikler 22

daha belirgin hale getirilebilir. ekil II.11deki grntnn histogram incelendiinde, younluk deerlerinin byk bir oranda 0a yani siyaha yakn olduuna baklarak, grntnn ok karanlk olduu sylenebilir.

a)

b)

ekil II.11. Gri Seviye Grnt ve Grntnn Histogram

nsan grmesinde, ak ton farklar, koyu ton farklarndan daha iyi alglanr. f(x,y); giri grnts, g(x,y); k grnts olmak zere; giri grntsne, saysal deerler eklemek ya da karmak suretiyle parlaklk deerleri, belli bir katsayyla arplmasyla da kontrast deerleri ayarlanarak grlebilirlik arttrlabilir (ekil II.12). g(x,y)=a f(x,y)+b (II.5)

ekil II.12. Gri Seviyeli Grntde Parlaklk ve Kontrast Ayarlamas

Kontrast arttrma (contrast stretching): Grntde yer alan gri-seviye deerlerinin, dorusal olarak yaylmas salanr. Dorusal olarak kontrast arttrm uygulanm yeni grntde pek ok ayrnt daha belirgin hale gelir.

23

Histogram denkletirme (histogram equalization): Grntdeki, dk kartl gidermek iin kullanlr. Burada dk sayda piksel seviyelerinin dar alana, yksek saydaki piksel seviyelerinin de geni bir alana dorusal olmayan bir yaklamla yaylmas salanarak, grntde istenen zellikler n plana karlr. Piksel deerleri [0,1] aralnda normalize edilmi grnt iin, bu aralktaki herhangi bir r gri-seviye deerinin deiim fonksiyonu; s=T(r) eklindedir. Bu fonksiyon aada verilen koullar salasn. a) b) T(r) fonsiyonu 0 r 1 aralnda tek deerli, srekli artan
0 r 1 aral iin 0 T (r ) 1 olsun.

Fonksiyonun tersi, r = T 1 ( s ),

0 s 1 de ayn artlar salar. Giri ve k

grntlerinin gri seviye deerleri, p r (r ) ve p s (s ) olaslk younluk fonksiyonu olarak gsterilirse; p(r) ve T(r) biliniyorsa ve T-1(s), (a) artn salyorsa dnen gri seviyelerin olaslk younluk fonksiyonu (II.6)da ki gibi tanmlanr. dr Ps ( s ) = P (r ) ds r =T 1 ( s ) (II.6)

T(r) dnm fonksiyonu yardmyla gri-seviye younluk fonksiyonu kontrol edilerek grnt deitirilir. Dnm fonksiyonu snin tanm (II.7)deki gibidir.
s = T (r ) = p r ( w)dw
0 r

(II.7)

Burada w gstermelik bir deikendir. Bu ilev, grnty kk blgelere ayrarak, her blgenin kontrastn ayr ayr arttrp, daha sonra genel olarak k iin bir yaklak eleme yapmak eklinde de kullanlr [23].

a)

b)

ekil II.13. Histogram Denkletirmeyle Elde Edilen Grnt ve Histogram

24

Daha nce histogram deeri incelenen grntnn, histogram dekletirme sayesinde elde edilen yeni grntsnde karanlk blgeler daha aydnlk hale getirilmi, grntnn detaylar ortaya karlmtr. Histogram deerlerinin dorusal olmayan ekilde aydnlk blgeye doru yayld grlmektedir.

II.3.4. Grnt zerine Birinci Derece Trev Uygulamas

Kenar bulmada ve detay sezme ilemlerinde kullanlr. Trev tanm f, srekli dzlemde f fonksiyonu iin;
f ( x)= lim f ( x+ dx) f ( x) dx0 dx (II.8)

rneklenmi bir fonksiyonun, tek boyutlu, birinci derece trevi; sonlu farklar kullanlarak yaklak olarak Tablo II.3te verildii gibi hesaplanr.
Tablo II. 3. 1.Derece Trev Sonlu Farklar Gsterimi
Sol; Sa; Merkez;

f '(x) f ( x) f ( x1)
f '( x) f ( x+1) f ( x)

f *{0 1 1}
f *{ 1 0} 1 f *{ 0 1} 1

f '(x)1/ 2( f ( x+1) f ( x1))

Grntde saysal uygulama iin kullanm, satr ve sutun boyunca piksel deiimi basit olarak II.9da verilmitir.
G x ( x, y )= F ( x, y ) F ( x, y 1) G y ( x, y )= F ( x, y ) F ( x+1, y )

(II.9)

Bir grntnn trevini farkl ekillerde hesaplamak mmkndr.

II.3.4.1. Gradyent Operatr

Gradyent vektr, (x,y) noktasndaki, f grntsnn maksimum deeri ynnde bir vektrdr ve birinci derece trev almada kullanlr. Bir grntnn gradyentinin hesaplanmas her pikselin f / x ve f / y ksmi trevlerinin hesaplanmasyla elde edilir.
f = G x

f Gy = x

f y
2 2

(II.10)

f = mag (f ) = (G x ) + (G y )

1/ 2

(II.11)

25

 ( x , y ) = tan 1 y G x

(II.12)

Grntnn gradyenti (II.10), gradyent bykl (II.11) ve yn (II.12)de verilen formllerden hesaplanr. ok boyutlu trev kullanlmas, ayrlabilir eksen trevinin dorusal birleimiyle keyfi ynlerde trevsellie izin verir. f yn; f(x,y)nin birim uzaklktaki artnn maksimum deeri ynndedir. Gradyent vektrnn ynnn bulunmas nemlidir. (x,y) noktasndaki, f vektrnn ynn belirten a deeri ( x, y ) , satr ekseni ile uzamsal gradyent ynlendirmede kullanlr. Kenar bulmada, grntde her piksel deeri iin parlaklk deeri hesaplanr. Komuluk deeri, kk seilirse, sonlu farklar kullanldnda gradyent hesab kolay etkilenir.

(a)

Gri seviye profili 1. trev 2. trev

(b)

ekil II.14. a) Bir Grntnn x ve y Ynnde Trevleri ve Gradyent Bykl b)Younluk Geilerinde Birinci ve kinci Derece Trev Cevab

II.3.4.2. Sobel Kenar Operatr

Sobel, Prewitt, Kirsch, Roberts gibi operatrler grntde keskinletirme salarlar ve kenar bulmada kullanlrlar. Sobel operatr hem fark alma, hem de dzletirme zellii tar. Tek bana trev alma ilemi grlty arttrd iin, ayn ilev dzletirme zelliine de sahip Sobel operatr kullanlarak da salanabilir ve kenar bulmada iyi sonu verir. Sobel operatrleri (II.13)te verilmitir.

26

1 0 1 1 2 1 gx= 2 0 2 , gy= 0 0 0 1 0 1 1 2 1

(II.13)

II.3.4.3. Canny Algoritmas

Kenar bulmada son derece etkin bir algoritmadr. nce grntdeki grlt bir sigma deerine gre retilen Gaussian ekirdekle konvolusyonu alnarak azaltlr. g ( x, y ) = f ( x , y ) * w G ( x, y ; ) (II.14)

Daha sonra, gradyent operatr uygulanarak, kenar gradyent bykl ve yn hesaplanr. Kenarlar, non maxima basklama uygulanarak inceltilir. Son olarak grnt, ikili eikleme uygulanarak istenmeyen ayrntlardan arndrlr.

a)

b)

c)

ekil II.15. a) Orjinal Grnt b) Sobel ve c) Canny Kenar Haritalar

II.3.5. Grnt zerine kinci Derece Trev Uygulamas

Kenar deiimlerine vurgu yapmak ve ince ayrntlar sezmek iin kullanlr. Laplacian dnmnn grnt zerinde uygulanmas demek, ikinci dereceden trevin alnmas demektir. Grnt zerinde, srekli dzlemde Laplacian uygulanmas (II.15)te; G ( x, y )= 2 {F ( x, y )} 2 f = 2 f 2 f + x 2 y 2 (II.15)

verildii gibidir. F(x,y) deiim oran bykse, dorusal olarak G(x,y) o noktada iaretin deiimini verir. G(x,y)nin sfr geileri kenarn varln belirtir. Grltye kar olduka hassastr. Bu ifade grnt zerinde farkl yollardan uygulanabilir. Laplacian Operator: 3x3lk boyutlu ve 4 komuluk blgeli Laplace dnmnn ayrk dzlemde gsterilmesi iin kullanlan forml (II.16)da verilmitir.

2 f = 4 z5 ( z 2 + z 4 + z 6 + z8 )

(II.16)

27

Merkez piksel arl pozitif, dier komu piksellerin arlklar ise negatiftir. Eer arlklarla arpldktan sonraki sonu deeri sfr ise, komularla ayn deere sahip demektir. Ayn ifade iin Laplace operatr olarak aada verilen maske de kullanlr. Bundan baka deiik komuluk blgeleri ve boyutlar iin farkl Laplace operatrleri retilebilir. 4-komuluk blgeli Laplace operatrnn (II.17) konvolusyonla grntye uygulanmas sonucu (II.18) grnt keskinleir (sharpening).
0 1 0 h(x,y)= 1 4 1 0 1 0

(II.17) (II.18)

g ( x, y )= f ( x, y )*h( x, y )

Grntde dzletirme ve keskinletirme salar. Kenarlar incedir. Dnme etkisi asndan bamsz olduu iin tek maske kullanlr. Laplace operatr, ton geilerini ok iyi vurgular, fakat ift kenar rettii iin kenar bulma ilemlerinde tercih edilmez.

a)

b)

c)

ekil II.16. Gradyent a) Yn, b) Bykl ve c) kinci Derece Trevi

II.3.6. Uzamsal Dzlemde Filtreleme

Filtreleme, bir grntnn iyiletirilmesi ya da deitirilmesi amacyla kullanlan komuluk blgesi (neighborhood) ilemlerine dayanan yntemlerdir. Uzamsal dzlemde uygulanan filtreler bir grntdeki istenen nesnelerin belirginletirilmesi ya da bastrlmas amacyla kullanlrlar. Dzletirme (smoothing); alak geiren filtre, keskinletirme (sharpening); yksek geiren filtre, grltl grnt zerinde kenar iyiletirme ilemleri de, bant geiren filtre ilevleridir. rnein, alak geirgen bir filtre, benzer tonda homojen alanlar dzletirerek, kk detaylar azaltp sadeletirmeye

28

yarar. Yksek geirgen filtrelerse, ince detaylar (kenar) belirginletirir ve mmkn olduu kadar ok detay ortaya kararak netletirir. Grnt dzletirme ve zellik korumal filtrelerin birou dorusal olmayan zellikte olduundan, bu tr filtrelerin genelde Fourier analizi salkl sonular vermez. Grnt zerine filtrelerin uygulanmas; kontrast arttrma, grlt kaldrma, kenarlara vurgu yapma, bulma, ekli deitirme gibi amalar ierir. Bir grnt zerinde dorusal filtreleme konvolusyon ya da korelasyon operatryle uygulanr.

II.3.6.1. Ortalama Filtreler (Averaging)

Ortalama filtre zellikle Gaussian tipi grlt gidermede kullanlan alak geiren filtrelerdir ve grntnn alt rneklenmesini ifade eder. Bir grntye, 3x3 boyutlu; h ekirdei (II.19) kullanlarak konvolusyon ilemi uygulanrsa; grntde grlt gideren bir alak geiren filtre elde edilmi olur.
1 1 1 1 h = 1 1 1 9 1 1 1

(II.19)

Ancak grntde dzletirme etkisi salarken (smoothing), geni ekirdek deerlerinde ar bulanklamaya (blurring) neden olur.

a)

b)

ekil II.17. a) X-n Omur Grnts b) 7x7 Ortalama Filtre Uygulamas

II.3.6.2. Ortanca Filtre (Median Filter)

Tbbi grntlerin ilenmesinde sklkla kullanlan, dorusal olmayan filtre eididir. Genelde tuz ve biber grlt tipinde etkindir. Kullanm alan ortalama filtrelere benzerdir. Ortalama veya Gaussian filtrelerle karlatrldnda aykr deerlerde, daha az hassasiyet gsterdiinden, grnt netliini azaltmakszn daha iyi sonu retir.

29

Komuluk arlkl ve dngsel yapda olduundan, konvolusyon ve ekirdek kullanlarak gsterilemez. alma mant; grnt deerleri, komuluk blgesi zerinden her piksel iin kaydrmayla hesaplanr. Merkez piksel seildikten sonra komuluk blgesinde bulunan piksellerle beraber sralanr. Sralanan piksellerden ortadaki deer, k piksel deeri olarak, grntde ilenen giri piksel deerine atanr.

f ( x, y ) = median {g (s , t )}
( s ,t )S xy

ekil II.18. Ortanca Filtrenin alma Mant

a)

b)

ekil II.19. a) Omurga X-n Filmi ve 7x7 lik Ortanca Filtre Deeri b) Omurga ve Ortanca Filtrelenmi Grntlerin Canny Kenar Haritalar

30

Dar bir pencere kullanlarak filtrelenmi grntnn grltden arnd ve kenar zelliklerin korunduu ekil II.19daki kenar haritalarndan grlmektedir.

II.3.6.3. Gaussian Filtre

Gauss dalm fonksiyonu kullanlarak, standart sapmann geniliine bal bir ekirdek retilir ve grntye uygulanrsa, grntde dzletirme ve bulanklk etkisi oluturan alak geiren bir filtre elde edilmi olur. Bulanklk etkisini (sigma) belirler. Bu etkiyle beraber, tpk ortalama filtrelerde olduu gibi taneli yapdaki grlty de kaldrr. Dzletirme etkisi kuvvetli ve dorusal difzyon eklindedir. Gaussiann, Fourier dnm yine bir Gaussiandr. 2Blu Gauss dalmnn (II.20) saysal olarak kullanlmak zere dzenlenmi forml (II.21)de verildii gibidir.
G ( x, y ) = 1 2
2 2 2

exp(

x + y 2 2

(II.20) (II.21)

i2 + j2 G (i, j ) = k * exp( ) 2 2

k; skaler bir sabittir ve grnt younluunun arlk fonksiyonunun toplamndan elde edilir. Bu deerler, k sabitine blnerek normalizasyon salanr ve Gaussian ekirdei retilir. retilmi ekirdek rnekleri ekil II.20de verilmektedir.
3 3

i = 3 j = 3

g [i, j ] = 1115
4 12 26 33 26 12 4 7 26 55 71 55 26 7 10 33 71 91 71 33 10 7 26 55 71 55 26 7 4 12 26 33 26 12 4 1 4 7 10 7 4 1

h = fspecial('gaussian',[15 15],3)

1 4 7 10 7 4 1

ekil II.20. Gaussian ekirdek rnekleri

retilen ekirdek, konvolusyonla orijinal grntye uygulanrsa, grntde dorusal olarak, ynbamsz (isotropik) difzyonla dzletirilmi yeni grnt elde edilir. I ( x , y ) = I o ( x , y ) G ( x, y ) (II.22)

31

ekil II.21de, ekirdek genilii 7x7, = 1 ve 5 alnarak, orijinal grntden konvolsyonla elde edilen, dzletirilmi grntler yer almaktadr.

a)

b)

c)

ekil II.21. a) Diz grafisi , b) 7x7, = 1 Deerlerine Gre Gaussian Filtre ile Elde Edilen Grnt c) 7x7,

=5

Deerlerine Gre Gaussian Filtre ile Elde Edilen Grnt

II.3.6.4. Wiener Filtre

Grnt onarma tekniklerinde kullanlan uyarlamal grlt kaldrma szgecidir. Uzamsal dzlemde ktleme (degradation), standard Wiener filtre yaklam kullanlarak dzeltilemez. Toplanr trde grltyle ktleen grnt younluu, Matlabde alak geiren filtre olarak wiener2 komutuyla dzenlenmitir. Bir maske kullanarak gri seviye deerlerini, grntnn karakteristik deerlerine gre deitirerek ayarlar. Her piksel etrafnda yerel ortalama ve varyans saptanr.

1 a(n1,n2 ) NM n ,n 1 2 1 a 2 (n1,n2 ) 2 NM n ,n 1 2

(II.23)

2=

(II.24)

b(n1,n2 )= +

2 v 2 2

(a(n1,n2 ) )

(II.25)

; NxM yerel komuluk blgesi, 2 ; grlt varyans, eer verilmemise yerel

varyans saptanp ortalamas alnarak kullanlr.

32

a)

b)

c)

ekil II.22. a) Orijinal Grnt b) 3x3 ve c) 9x9 Gli Wiener Filtre Uygulanm Grntler

Kullanlan pencere genilii arttnda snr blgelerinde grlt oran artar. Bu nedenle pencere geniliini ok byk sememelidir. Bu filtrenin esas kullanm amac; pozlandrma srasnda nesnenin hareket etmesi nedeniyle oluan grlty gidermektir.

II.3.6.5. Detay vurgulama

Bir grntde detaylar daha iyi belirleyebilmek iin grntnn dk frekans deerlerinin kaldrlmas gerekir. Eer grntnn bulank versiyonu kendisinden karlrsa, grnt keskinleir (sharp = original blur). Kenarlarn saptanmasnda, grmeyi gelitirmek iin birtakm ekirdekler kullanlarak kenarlara vurgu yaplabilir.
1 (1/9 ). 1 1 1 8 1 1 1 1

( II.26)

a)

b)

c)

ekil II.23. a) Orijinal Grnt b) G= 15x15, Ortalama Filtre c) Elde Edilen Fark Grnts

33

Bu ilem deiik ekillerde uygulanr. rnein; bir grntnn kenar deerleri hesaplanp bir katsayyla arpldktan sonra tekrar kendisiyle toplanrsa daha net bir
g ( x, y )=f x, y +( A1) f ( x, y )

(II.27)

grnt elde edilir. ekil II.24te, (II.27)de verilen formle gre hesaplanm bir grnt verilmektedir.

a)

b)

ekil II.24. a) Orijinal Grnt b) A=1.3 Alnarak Elde Edilen Grnt

Radyografik grntlerin kontrast deerleri genellikle ok ktdr. Kontrastn iyiletirilmesi ile grntnn kalitesi artar. 5.a Kenar yiletirme Bir grntnn, kenarlarnn alglanabilirlii, kk detaylar, yksek uzamsal frekans bileenlerine ait genliklerinin arttrlmasyla gelitirilebilir. (rnein 2-D HPF). Bu i iin keskin olmayan (unsharp) maskeleme teknii en iyi ve en etkin yntemdir. Keskin olmayan maskeleme formunun gsterimi aada verildii gibi ifade edilir: Y = X +(X X )

>1

(II.28)

X orijinal grntnn piksel deerleri, Y sonuta elde edilen grnt ve X orijinal grntden elde edilen dzletirilmi versiyonudur (average). Fark grnts ( X X ) , grntnn yksek uzamsal frekans ieriini gsterir ve iyiletirme faktr , bu

34

bileenlerin sonuta elde edilen grntye ilave etme deerini saptar. Basklamada uzamsal frekans bandnn band genilii filtre ekirdeinin genilii ile saptanr.

ekil II.25. Kenar yiletirme Ak izelgesi

ekirdek boyutu kk belirtilirse, yksek uzamsal frekans bileenleri, orta ve dk frekans grnt bileenlerine oranl bir ekilde vurgulanr. ekirdek genilii byk seilirse orta frekans bileenleri artar.

a)

b)

ekil II.26. a) Orijinal Grnt b) Kenar yiletirilmi Hali

5.b Dinamik Erim Azaltma Dinamik Erim; bir grntnn en karanl ve en aydnlk noktalar arasndaki tonsal farktr. Dinamik erim bykse, renk tonlar arasndaki gei az olacandan grnt daha iyi elde edilir.

35

Omurga X-n grntsnde aydnlatma aral (irradiation range), yeterli kontrast znrlyle btn grnt blgelerini ekranda grntlemek iin ok byk olabilir. ok byk ekirdek geniliiyle keskin olmayan (unsharp) maskeleme, grntde alak frekans bileenlerinin oranl (relative) katks azaltlarak, btn anlaml grnt zelliklerinin kontrastn gelitirmek iin uygulanabilir. Sonraki belirgin bilgiyi tamad varsaylarak: Y = (X X ) + (X ) ,

<1

(II.29)

ekil II.27. Dinamik Erim Azaltma

Bulank grnt X ; ortalama filtre ile elde edilir. Eitlikteki (II.29) birinci ifade, kaldrlan dk frekans bileenlerini, ikinci terim arka dzlem katksn verir. lk terim orta banttan, yksek uzamsal frekansa uygun olan btn ilgili grnt zelliklerini tar. Bu terim, deitirilmeksizin geer, arka dzlem terimi ise bastrlr [41]. (II.29)da verilen formle gre elde edilen ekil II.28de ki grntde c) ve d) deki histogramlar incelendiinde, eklin karakteristiinin deimeksizin, tonsal farkn azaltld grlmektedir. Bu durumda grnt daha karanlk hale gelmitir. Bu filtre X-n cihaznn kna uygulanabilir.

36

a)

b)

c) Histogramlar

d)

ekil II.28. a) Omurga Grnts b) Dinamik Erimi Azaltlm Grnt c) ve d) Bu Grntlere Ait

II.3.6.6. Anisotropik Difzyon Filtre

Tbbi grntlerin, bltleme ilemleri son derece gtr ve kesinlik iermek zorundadr. Bltlemeyi daha doru hale getirmek iin, ierdikleri grltden arndrmak gerekir. Grlt kaldrlrken, nesne zelliklerine ait bilginin deimemesi ok nemlidir. Ksmi diferansiyel eitlik zmne dayanan anisotropik difzyon szgeler, ilk olarak Perona ve Malik tarafndan sunulmutur [33]. Fiziksel olarak, grnt younluu, grntnn kayd esnasnda, younlamaya bal oluan bir yaynm (diffusion) ilemi gibi dnlebilir. Duraan artlar altnda difzyon ilemi dorusaldr. Bu durumda, difzyonun fiziksel srelerinden faydalanlarak, grntde varolan grlt, bir miktar homojen olmayan younlama gibi modellenebilir ve difzyonun oluumuna bal olarak, farkl ekillerde grntnn 37

dzletirilmesinde kullanlabilir. Bu teknikle ilgili olarak gemite olduka geni kapsaml almalar yaplmtr [33],[37],[38]. Standart sapmaya ( ) bal Gaussian filtre ( G ) ile bir grntnn yapay zaman deikeni t, kullanlarak konvolusyonundan elde edilen yeni grnt de difzyon dorusaldr. I ( x , y , t ) = I 0 ( x , y ) G ( x, y; t ) (II.30)

Srekli dzlemde giri grnts I(x,y,0)=I0(x,y); balang art, t; yapay zaman deikeni olmak zere, elde edilen yeni grnt; I=I(x,y,t), dorusal ve isotropik olarak dzletirilmi grntdr. Fiziksel difzyon ileminin, ksmi diferansiyel eitlik kullanlarak gsterimi (II.31)de verildii gibidir. Difzyon eitlii, s eitlii (Heat equation) olarakta adlandrlr. I / t = div(I ) = I xx + I yy (II.31)

Verilen eitlikte, ; gradyent operator, div; diverjans, I(x,y,0)=I0(x,y);balang koulu, t; yapay zaman deikeni ve saysal iteratif zmle elde edilen, I=I(x,y,t); grnt younluunu gsterir.
I / t =I =.cI

(II.32)

Dorusal difzyon eitliinin, skaler yaylma sabiti olan c ile zm, Gaussian ekirdekle konvolusyon ileminin tamamen benzeri ilemlerdir. (II.31)teki eitliin uygulanmasndan oluan yeni grnt, dorusal olarak dzleir. Perona ve Malik, grntde difzyon katsays c yerine bir iletkenlik parametresi c(x) tanmlanarak da deiebileceini gstermitir. I t = div(c( x, y, t )I ) I t = c( x, y, t )I + c( x, y, t ).I (II.33)

Bu durumda grntdeki deiim anisotropik (yn bamsz) ve dorusal deildir. Is eitliinin ksmi diferansiyel denklem kullanlarak, difzyon katsays yerine, deiken bir fonksiyonla zmnden anisotropik difzyon eitlii (II.33) elde edilir.
I ; grnt gradyenti, g (.) kenar durdurma fonksiyonu olmak zere, difzyon

katsays, c( x, y, t ) = g ( I ( x, y, t ) ) alnarak, kenarlarn kontrastn kontrol eden, deiken bir iletkenlik terimi tanmlanr [33],[34],[39]. Bu terimle, grntde dzleme salanrken, kenarlar korunur. Snr kenarndaki piksellerden ziyade, bir blge iindeki pikseller dzletirilir. ( g I ) fonksiyonu iin genellikle; aada verilen deerlerden biri tercih edilir.

38

1 g ( I )= 2 1+( I / K )

ya da g ( I )=exp(( I / K ) 2 )

(II.34)

K; zel uygulamalara gre ayarlanabilen bir sabittir. Gradyent vektr bykl, kenar ya da snrlarda bir sreksizlik (bir basamak) gibi ortaya karak kullanlr. Algoritmada,
I >> K ise g ( I )0 alnr ve hepsini geirir; I << K ise g ( I )1 alnarak isotropik difzyon elde edilir [35].

Anisotropik Difzyon Algoritmas: Difzyon arlkl dzletirmenin saysal uygulama iin kullanmnda; 2Dlu iteratif yntemle uygulanmak zere, grntnn her ynde gradyent deeri hesaplanr. Algoritmann uygulanmas: U ={ui , j }, 0i,j < N incelenen

grnt ayrk formda verilmi olsun. Belirli formdaki bir enerji fonksiyonunun minimizasyonu gibi dnlrse, U grntsnn enerji fonksiyonu; NB (u i , j ) , u i , j nin komuluk blgesi olmak zere (II.35)te verildii gibidir [36],[37];
E(U) = u
i , j =0 N 1
i ' j ' NB(ui , j )

c(uij ui' j ' )(uij ui' j ' ) 2

(II.35)

Algoritma enerji fonksiyonunun minimizasyonu iin dik inili bir yaklam gsterir. 4 ya da 8 komuluk blgesine gre, iteratif olarak dzenlenir. 4 komuluk blgeli (2Blu) algoritmann gsterimi; incelenen grnt {u 0 (i, j )} olmak zere;

uit,+j1 =uit, j + [cN N uit, j +cS S uit, j + cE E uit, j +cW W uit, j ]

N u it, j =u it1, j u it, j S u it, j =u it+1, j u it, j E u it, j =u it, j +1 u it, j W u it, j =u it, j 1 u it, j
c N =c( N u it, j ) c S =c( S u it, j ) c E =c( E u it, j ) cW =c( W u it, j )

(II.36)

Yerel kontrast belirlemek amacyla bir K(x,y) parametresi belirlenir. u < K ( x, y ) ise blge dzletirilir. u > K ( x, y ) iken blge yaklak ayn kalr. K(x,y) kk seilirse, yksek kontrastl blgeler, K(x,y) byk seilirse, dk kontrastl blgeler belirlenir. Yksek kontrast blgelerinin keskinlemesi ve dk kontrastl blgelerin dzlemesi ile grntde iyiletirme elde edilir.

39

ekil II.29. Anisotropik Difzyon Uygulanan Grntnn Farkl terasyon Deerleri

II.3.6.7. Gradyent Alanndan Grnt retilmesi

Gradyent alan bir grntde nesne yaps ile iliki kurmaya yarar. Tanma ve snflandrma iin ilgilenilen tanmlama zelliklerini dorudan veya eitli bilgisayarla grme ilevleri iin temel salar. rnein kenarlar, yksek gradyent byklk blgeleridir. PS, SfS, retinex, HDR, image editing, matting and fusion gibi pek ok uygulamada grntnn gradyent alanndan faydalanlr. Gradyent tabanl bu algoritmalarda, grntnn gradyent alan istenen ama dorultusunda ilenir ve bu ilenen gradyent alann 2Blu tmletirilmesinden grnt yeniden elde edilir. Gradyent alan iyiletirilmesinde snrlarda ama olmakszn yaplar dzgn

iyiletirilebilir. nk gradyent alan grltye kar son derece duyarldr. Bu nedenle nce ynlendirmeli bir filtre uygulanarak ayarl bir gradyent alan elde edilmelidir. PS ve SfSde ilk olarak, yzey dikmesi (surface normal) bulunur, sonra istenen yzeyler (grnt), bu gradyent alann tmletirilmesiyle yeniden ina edilir [46]. Pratikte elde edilen gradyent alan, kestirim srecinde doal grlt yznden aralkl tmletirilebilir. zmdeki belirsizlik ve tutarsz konumlandrma sorunlar gradyent alann tmletirilememesi ve boluk kalmasna neden olur. Verilen gradyent alan Gden,

40

bir grnt I yeniden ina elde edilmek istenirse; I = G

eitlii zlr. Orijinal

gradyent alan deitirildiinden, sonu gradyent alan tmletirilemez. Deien gradyent alann baz ksmlar bozulur ( G = 0 ) . 2Blu uzayda, btn 2Blu potansiyel ilevlerinin aratrlmasyla, aada verilen tmlev, en kk kareler yargsna dayanarak minimize edilmeye ve Gye en yakn potansiyel ilevi bulunmaya allr.
f = min F (I , G )dxdy I I Gx ) 2 + ( G y ) 2 , x y (II.37)

Deiimler hesabna gre; Euler-Lagrange eitliini salamas gerektiinden F fonksiyonu; etmelidir. F (I , G ) = I G

2

=(

integrali

minimize

F d F d F =0 I dx I x dy I y
Buradan, 2Blu Poisson eitlii elde edilir.
2I = G
2

(II.38)

(II.39)
2

2I 2I ; Laplacian operatr, I = 2 + 2 ve G ; G vektr alannn diverjans x y G = Gx G y + eklinde tanmldr. x y

r Poisson eitlii, Neumann snr artlar kullanlarak zlrse , I .n = 0 , ; n snr

normali olmak zere, younluk gradyentleri
T

ileri

farka

yaklaktr.

I = [I ( x + 1, y ) I ( x, y ), I ( x, y + 1) I ( x, y )] .

Laplacian gsterimi; 2 I = [ 4.I ( x, y ) + I ( x 1, y ) + I ( x + 1, y ) + I ( x, y + 1) + I ( x, y 1)] ve gradyentin diverjans yaklak olarak ;

G = G x ( x, y ) G x ( x 1, y ) + G y ( x, y ) G y ( x, y 1) dir.

Sonular bir geni dorusal eitlik sistemidir. 2Blu oklu zgara ile (II.39) eitliinin minimize edilmesi iteratif bir yntemle salanr [45] .

41

a)

b)

ekil II.30. a) Orijinal Grnt b) Gradyent Alanndan retilen Grnt

II.3.7. Grnt Bltleme

Ksaca grnt bileenlerinin paralara ya da nesnelere ayrtrlmasdr. rnein; tbbi uygulamalarda kemik, kas ve yumuak doku gibi farkl anatomik zellikteki yaplar snflandrmada kullanlr. Karakter tanmada, yazlarn arka plandan ayrtrlmas ilemine karlk gelir. Otonom bltleme, grnt ilemenin en zor grevlerinden biridir. nk, bltlemeyle ilgili standart bir yntem yoktur, karlalan probleme gre bltleme ilemi gerekletirilir. Saylamayacak kadar ok bltleme algoritmas vardr. Grntnn istenen paralarna ayrlabilmesi iin, ilgilenilen eklin snrlarnn bulunmas gerekir. Algoritmalar genellikle grntlerin grlt etkisi, aydnlatma ve byklklerinin deimesiyle farkl sonu verebilirler. Bltlemede genel yaklamlar: evrit Tabanl (contour); ( Kenar Bulma + Kapal evrit ) Blge Tabanl (region)

Genel olarak bltleme algoritmalar, grnty grltsz, keskin kenarl, dzgn blgelere ayrlm kabul eder. Bu nedenlerle n ilemlerle grnt nce grltden arndrlarak dzletirilir. Algoritmalarn ou kenar bilgisini ierdiinden kenar tespiti yaplr. Bltleme algoritmalarnn sonucu kontrol edilmelidir. Mantksz ekiller dzeltilmelidir (delikler, bltleme tamalar gibi). Verilen kriterlere uygun doru blgeler bulunmaldr. Ardl ilemler (post processing) gereklidir [24].

42

II.3.7.1 Eikleme (Thresholding)

Grnt ilemede kullanlan temel yntemlerdendir. Grnt younluk bilgisi iki ya da daha fazla gruba eitli yntemlerle ayrtrlr. Bu ayrtrma ilemi iin eitli eik seviyeleri belirlenir. Grntdeki piksellerin gri seviye deeri eik deerinden kk ya da eitse pikselin yeni deeri 0, bykse 1 olarak alnr ve siyah-beyaz bir grnt elde edilerek ikili forma evrilir.

a)

b)

ekil II.31. a)Omurga Grnts ve b) Eiklenmi Hali

II.3.7.2 Aktif Kontur Model (Active Contour Model)

Aktif Kontur Model (snake), bozulabilir modellerin (Deformable Models) zel bir durumudur. Bu yntem Kass, Witkin, Terzoupulos tarafndan 1988de sunulduktan sonra pek ok uygulamada kullanlr hale gelmi ve konuya farkl yaklamlar yaplmtr [26]. Orijinal Aktif Kontur Modeller algoritmasnda, snake geometrik olarak, grnt dzleminde ( x , y ) 2 de yerleik, x ve y koordinat deerleriyle gsterilen bir parametrik konturdur. ki boyutlu bir kontur ifadesi; s [0,1] (parametrik tanm kmesi eleman) ve zamana baml olmak zere, v( s ) = ( x( s ), y ( s )) T eklinde ifade edilir. Bir grntde I(x,y), kontur zne eklinin fonksiyonel olarak yazlm aada verildii gibidir.

E (v) = S(v) + P(v)

(II.40)

43

Fonksiyon kontur enerjisinin bir gsterimi olarak incelenir. Verilen fonksiyonun ilk terimi, i deformasyon enerjisini, ikinci terim de grntye ait zellikleri ifade eder. Algoritmada, bu enerjilerin dengelenmesi iin uralr.
v 2v S (v) = w1 ( s ) + w2 ( s ) 2 ds 0 s s
1 2 2

(II.41)

enerji olarak adlandrlan S(v) konturun gerginlik ve esneklik bozulmalaryla karakterize edilir. Kontur gerginliini w1(s), katln da w2(s) kontrol eder.
1

P (v ) = P (v ( s ))ds
0

(II.42)

Bu terim ise, grnt ile ilgilidir ve grnt tarafndan kontrol edilir. Algoritmay izgi ve kenarlar gibi grnt detaylarna ynlendirir. Grntde, snake uygulanrken, bir d kuvvet olarak dzenlenir. rnein, bir grntde I(x,y), kontur seilen kuvvet
P ( x, y ) = c [G * I ( x, y )]

tarafndan, kenar younluklarna doru ekilecektir.

Burada, c kuvvetin bykl, gradyent operatr ve G *I dzletirme filtresi uygulandn belirtir ve dzenlenen Pnin yerel minimasnn uzamsal bykl ile tanmlanr. Uygulanan d kuvvet, algoritmay ilgilenilen blgedeki en yakn yerel minimuma ynlendirir. Deiimlerin hesaplarla uyumas yani kontur enerjisinin azaltlmas Euler-Lagrange eitlii ile zmlenebilir.
v 2 w1 + s s s 2 2v w2 2 + P (v( s, t )) = 0 s

(II.43)

Aktif Kontur Model algoritmasnda bu enerji minimizasyon probleminin zm, problemin de zm demektir. (II.43)teki eitlik, x(s) ve y(s) iin bamsz olarak zlebilen iki denklem haline getirilir. Uygulamada P ayr bir fonksiyon olduundan, bu denklemler analitik olarak zlemez ve saysal iteratif bir yntemle zme gidilir. Ayrca algoritmada i enerji dengede tutulmaya allr. Algoritmada, gerginlii ve katl giderme manuel ya da otomatik olarak yaplabilir [27] [30]. Bltlemede kullanlan bu yntemin baz kstlamalar olduundan, bu kstlamalarn giderilmesi amacyla gelitirilmi birok farkl yaklam vardr. oklu dzey yaklamlar, sonlu elemanlar yntemi, dzey kmesi yaklam ve gradyent vektr yaklamlar gibi yntemler sralanabilir [29].

44

Balang

500 iterasyon

1000 iterasyon

1500 iterasyon

2000 iterasyon

6500 iterasyon

ekil II.32. Aktif Kontur Model Algoritmasnn Grntye Uygulanmas ve Farkl Aradeerleri

Deforme edilebilen modellerin bir durumu olan aktif kontur modeller algoritmas grnt kuvvetlerine dayanan ve tbbi grnt ilemede popler, bir yntem olduu iin aratrlarak X-n grntye uygulanmtr. Matematiksel ve fiziksel yaklam kuvvetli olduu sylenmekle birlikte, omurga ekli tanmak iin uygun olmad, algoritmann ok uzun srede ilem yapt grlmtr. Bu nedenle karmak yapl ve geni lekli omurga eklini, X-n omurga grntsn bu yntemle bltlemek kesinlikle pratik ve geerli bir zm salamamtr.

II.3.7.3. K-Ortalamalar Algoritmas

Verilen nesne kmesi, girite verilen k parametre deerine bltlenir. Sonuta elde edilen kmelerde, kme ii benzerliklerin maksimum ve kmeler aras benzerliklerin minimum olmas salanr. Balang olarak k adet rastgele nokta ya da tm nesnelerin ortalamas alnarak merkez noktalar belirlenir. Bu nesnenin merkez noktalara uzakl

45

hesaplanr ve tm nesneler k adet kmeden en yakn olana yerletirilir. Yeni duruma gre tekrar merkez noktalar belirlenir ve ilemler tekrar edilir. Bu durum merkez noktalar sabit kalncaya kadar devam eder [40].

ekil II.33. Kme Says 5 Alnarak, k-Means Kmeleme Yntemiyle Elde Edilen Grnt

Balang deeri olarak kme saysnn girilmesi gerekmektedir. En ok bilinen, kmeleme algoritmas olan k-ortalamalar algoritmas kullanl bir algoritma olmakla beraber, nesne snrlarn kesin olarak belirleyememekte ve ton farklarn verilen kme saysna gre belirlediinden gri seviyeler iin yetersiz kalmaktadr. Bu algoritma, video grnt bltlemeye uygun olabilir, ancak X-n grntler iin kullanl deildir.

46

BLM III

BENZER ALIMALAR
Gemite, rntgen filmlerinden omurlarn otomatik bltlenmesi sorunu ile ilgili olarak birok alma yaplmtr. Ancak henz bu soruna etkili ve tam otomasyon salayacak bir zm retilememitir. Omurlarn otomatik olarak bltlenmesi konusu hala aratrmaya ak bir konudur. Bunun balca iki nedeni vardr: Birincisi omurga eklinin insandan insana deiebilen, karmak bir yapya sahip olmas, ikincisi de rntgen filmlerinin tam olarak iyiletirilmesinin mmkn olmamasdr. Mevcut algoritmalar grnty mkemmel kabul ederler. Bu da grnt ileme asndan son derece yetersiz olan X-n grntlerinin bltlenmesini zorlatrr. Bu konu zerinde en sistemli ve geni tabanl almalar Rodney Long ve arkadalar yapmlardr. Olduka geni bir tbbi veritabanna sahip olan U.S. National Library of Medicine adna alan R.Long ve arkadalar veritabanndan istenen bir grntye eriim salayabilmek ve x-n grntlerinden, omurlarn bltlenmesi amacyla uzun bir sre boyunca deiik almalar yapmlardr. Bu almalarn sonucunu aktaran bir ok makale yaynlamlardr [42],[43],[44]. almalarnda asl ama, deiik aratrmalar yapabilmek iin ierik tabanl grnt eriimi (CBIR) program reterek, ok geni bir birikime sahip olan U.S. National Librarynin veri tabannda aratrma yaplmasn kolaylatrmaktr. Dolaysyla almalarnda yntemlerin, ierik tabanl eriim asndan kullanl olup olmad zerinde younlamlardr. 47

Omurlarn bltlenmesine ynelik moment sabitleri, ekil geometri tabanl, poligon yaklam yntemleri, deforme edilebilen ekil tabanl yntemler, Fourier tabanl yntemleri aratrmlardr. Konularla ilgili olarak deiik bulgular elde etmilerdir. rnein Fourier tanmlayclar kullanarak ierik tabanl eriimde %46, Poligon yaklam ynteminde de %55 baar elde etmilerdir [48]. Omurgann hiyerarik bltlenmesine ynelik almalarnda, genelletirilmi Hough dnm (GHT), Aktif ekil modeller (ASM), Deforme edilebilir modelleri (DM) bir arada kullanarak omurgann bltlenmesini salamlardr. Bu almada lumber blge iin kaydettikleri baar oran %50dir [49]. Bir dier almada Smyth ve arkadalar aktif ekil modeller (ASM) tekniini kullanarak omurgann yandan grnts zerinde almlardr. Ancak grntnn net olmamas yznden eitli zorluklar yaamlardr. Yar otomatik bltleme gerekletirmilerdir [50]. Omurgann bltlenmesine ynelik, literatrde yer alan dier birok almada, X-n grntlerden deil, dier tbbi modalitelerden yararlanlmtr. Hong Lin, omurga yapsnn eriliini snflama ve incelemeye ynelik yapt almada yapay sinir alar kullanmtr. Bu almasnda, omurgann AP ve lateral Xn grntlerinin aktrlmasndan yararlanarak, yapay sinir alaryla King snflama sistemini gereklemi ve eriliin desen olarak tanmlanmasn salamtr [32]. Radyoloji bilgi sistemleri (RIS); randevu, tetkiklerin kabul ve onay ilemleri, kayt, raporlama sreci, cihazlarda i listesinin oluturulmas gibi ilevleri ieren yazlmlardr. Gnmzde radyoloji bilgi sistemleri, grnty dijital olarak ileme ve saklama gibi ilevleri salayan PACS sistemi ile birlikte kullanlr. PACS, radyolojik grntlerin dijital olarak elde edilmesi, arivlenmesi ve iletilmesi sistemi olarak tanmlanabilir. Sistem, dijital olarak elde edilen grntlerin saklanmasn salad gibi, bu grntlerin bilgisayar alar aracl ile salk merkezinin iinde yer alan herhangi bir bilgisayara veya baka merkezlere ulatrlmasna da olanak tanr. RIS/PACS ile bilgiye hzl ulam, zellikle acil servis ve ameliyathanelerde tan zamannn ksalmas, 48

grntlerin tetkikini yapan radyolog ile tetkiki isteyen klinisyen tarafndan hzla paylalabilmesi, filmlerin ortadan kaldrlarak iletme ve depolama maliyetlerinin azaltlmas salanabilmektedir [51],[52]. GE Centricity, Phillipsin iSite ve Siemensin Syngo yazlm gelimi RIS/PACS sistemleridir. Bu sistemlerde yer alan yazlmlarda eitli grnt manipulasyonlarna olanak veren, kontrast ayar ve mesafe lm gibi ilemlerin yaplmasn salayan alt yazlmlar mevcuttur. Bu yazlmlardan bazlarnda dndrme, zoom yapma, kaydrma, bltleme, a lme, mesafe lme ve nilemlerin yer ald sylenmektedir. Ticari amal olan ve pahal sistemlere ynelik bu yazlmlar hakknda, detayl bilgi verilmemektedir. Ayrca bu yazlmlar, i istasyonuna baml olan yazlmlardr. Bu tezde, gelitirilen yazlm ise, her trl ortamda almaya msait bir yazlmdr [53],[54]. Orthocrat Firmasnn gelitirdii Traumacad V 2.0 ve Merge Healthcare firmasnn Merge Ortho adl yazlmlar, PACS sistemlerine entegre edilebilen, X-n filmlerinin zerinde grnt ileme yntemlerinin uygulanmasna olanak veren ve Cobb asn grnt zerinde iaretlemeyle lebilen ticari yazlmlardr [55],[56]. Cedara Software Firmasnn rettii, I-SoftView yazlm da, lm ve a lm gibi seenekleri barndran bir yazlmdr [57]. Baz X-n cihazlar reten firmalar, rnein General Electric PACS sistemi ierisinde Traumacad yazlmn kullanmaktadr. Traumacad, bu tez almasnda retilen yazlma benzer bir yazlmdr. Ancak hangi dilde retildii ve grnt zerine yaplan iyiletirmeler hakknda bilgi literatrde bulunmamaktadr. Lumirad C# dilinde yazlm, RIS/PACS zmleri sunan ender yerli retim yazlmlarndan biridir. Ancak grnt zerinde herhangi bir maniplasyon ya da lm zellii mevcut deildir [59]. Tm bu almalar dikkate alnarak, X-n grntsnden omurlarn, mevcut algoritmalar kullanarak tam olarak bltlenmesinin mmkn olmad sonucuna varlmtr. Asl zorluun X-n grntlerinin dk kontrastl ve grltl grntler olmasndan kaynakland grlmektedir. Bu nedenle ncelikle X-n grntlerinin iyiletirilmesi konusuna arlk verilmesi gerektii sonucu ortaya kmaktadr.

49

BLM IV OMURGA EKL BOZUKLUU ANALZ VE TEHSNDE YARDIMCI SSTEMN TASARIMI VE GEREKLENMES
nsan grmesi, 3D uzayda nesneden yansyan k ile oluur. Gz, grntdeki uzamsal ve geici deiiklikleri ok abuk olarak alglar. 3D uzayda, grnt f(x,y); nesne zerine den ve bu nesneden yansyan k miktarnn bir fonksiyonudur. Gerekte, f(x,y) durumu derinlik, renk ve zaman kapsayan bir ok deikenden oluan bir fonksiyondur (ekil.IV.1) [22]. Sinyalin anlk olarak llmesi ile grntnn o noktadaki parlaklna karlk gelen bir sayya evrilmesi ilemi yani grnt elde etme, grnt ilemenin ilk basamadr.

ekil IV.1. Grnt (mge)

50

Grntnn sezinlenmesinde kullanlan alglayclar; optik, infrared, ultraviyole, x-ray, radar, MRI (RF), ultrason, mikrodalga olarak sralanabilir. Saysal kameralarda optik alglayc olarak CCD veya CMOS alglayclar kullanlr. Grnt elde edilmesi ksmnda CCDlerin alma mant anlatlmtr. Grnt sezinlendikten sonra saysallatrlarak bilgisayara aktarlr. X-n filmlerinin saysallatrlmas ve bilgisayara aktarlmas iin tasarlanan dzenek Blm IV.1de aktarlmtr. Blm IV.2de grnt ileme algoritmalarndan oluan GUInin ilevleri ve men seenekleri bulunmaktadr. Son olarak Blm IV.3te X-n grntlerin iyiletirilmesi iin nerilen yntemler ve uygulamalara yer verilmektedir.

IV.1. GRNTNN ELDE EDLMES

Genel olarak grnt elde etme aamalar ekil.IV.2 de grlmektedir. Srekli sinyalin sabit bir oranda rneklenmesiyle analog sinyal, saysal grntye dntrlr. Grntlerin kamera ile gerek ortamdan alnarak bilgisayar ortamna aktarlmas ve saysallatrldktan sonra istee gre ilenmesi ile grnt dosyalar elde edilir.

ekil IV.2. Grnt Saysallatrma Dzeni

Grnt sezmede ska kullanlan bir grsel alglayc olan CCD, a duyarl silikon noktacklardan olumu matristir. Bir foton, yariletken kristal yapsndaki noktacklardan birine arptnda, bir miktar elektronu serbest brakr. O noktaca ne

51

kadar ok foton denk gelirse, serbest kalan elektron says o kadar fazla olur. CCD elektron miktar, yani yk llerek, o noktacn aydnlanma dzeyini veren greli saysal bir deer elde edilebilir. Fotoraf kalitesinde bir grnt yakalayabilmek iin, tm sistemin hzl ve egdml almas gerekir. Elektron yk deerleri hzla saptanp korunmaldr. CCD'lerde, bu nokta deerleri satr satr okunur. Bu okuma ilemi srasnda k dmeyi srdrrse, grnt bulanklar [47]. Alglanan grnt saysal bir matrise dntrlerek gerekli ilemlere tabi tutulur. CCDlerin rettii grnt kalitesi, CMOSa gre daha yksektir.

IV.1.1. X-In Filmlerinin Bilgisayar Ortamna Aktarlmas

X-n filmler hazrlanan zel bir dzenek sayesinde bilgisayar ortamna aktarlabilir. Bu dzenek dier analog grntlerin de bilgisayar ortamna aktarmn salayacak ekilde tasarlanmtr. ekil.IV.3te grlen dzenek, her eit analog grntnn saysallatrlmas iin kullanl grltsz bir ortam salar. Tasarmda ncelikle rntgen filmlerinin boyutlar gz nnde bulundurulmutur. Gnmzde X-n cihazlarnn kulland film standartlar Tablo.IV.1de verilmitir.
Tablo IV.1. Rntgen Film Boyutlar

Standart Rntgen Film Boyutlar 18X24 cm 24X30 cm 30X40 cm 35X35 cm 35X43 cm

Bu deerler, kullanlacak olan kamera, lens ve dzenein boyutlar asndan nemlidir.

52

.
a)

b)
ekil IV. 3. a) Grnt Aktarma Dzenei b) Kamera ve Bilgisayar Balants

53

IV.1.2. Kamera Seimi

Genel olarak, analog ve saysal olmak zere iki tip kamera vardr. Ayrca saysal kameralar da paralel saysal, kamera link ve IEEE-1394 kameralar olarak snflandrlr. Analog bir iaretin saysala evrilmesi iki aamaldr. rnekleme; iaretten belirli zaman aralnda rnekler alnmas, 2Blu grntlerde uzamsal dzlemin saysallatrlmasna karlk gelir. Nicemleme (Kuantalama); genlik seviyelerinin sadece belirli deerleri almas ilemidir. Analog kameralarda k sinyali, analog formda bir video sinyalidir. Bu video sinyal televizyon grnt standartdr. k sinyali bir ereve saysallatrc (frame grabber) ile saysallatrlarak bilgisayar ortamna aktarlr. Saysal kameralarn analog kameralara gre birok avantaj vardr. Analog sinyal aktarm srasnda grltden daha ok etkilenir. Saysal kameralar televizyon standard gerektirmez. Daha geni grnt boyutu ve daha hzl ereve orann desteklerler. IEEE 1394 kameralar bilgisayara herhangi bir evre birim eleman gibi balanrlar. Kolay ve hzl fonksiyonlara sahiptirler. Bu almada saysallatrma dzeneinin tasarmnda ncelikli olarak, znrlk, sinyal grlt oran, saysallatrma yntemi ve ileride kullanlabilecek deiik yazlmlar (Matlab, C, v.b.) destekleyen bir kamera nerilmitir. Grnt ileme amal kamera sistemleri retimi yapan firmalarn rnleri fiyat ve performans asndan incelenmi ve sonu olarak Point Grey Research Inc. firmasnn FLEA-HIBW-KIT de, FLEA IEEE-1394 Digital Camera Systemin (ICX204, 1024x768) grnt saysallatrma ve eitim amal kullanmnn uygun olaca grlmtr. Bu kamerann zellikleri Tablo.IV.2de verilmitir. Tablo.IV.2den de grld gibi, kamerann znrl, 1024x768 pixel olup olduka yksektir. Ayrca, sinyal grlt oran en az 60dB olduundan pek ok kameraya gre daha kaliteli grnt elde edebilmektedir. Kamerann ereve hz saniyede ikilerden otuzlara kadar ayarlanabilmekte, bu da kullancya yakalanan grnty bilgisayar ortamnda canl izleme, ayarlama ve kaydetme imkan salamaktadr.

54

Tablo IV.2. Kamera zellikleri

Genel zellik Grsel Alglayc znrlk Format Piksel Boyutlar ereve Hz Objektif Kapa Boyutlar Kamera Belirtimi Sinyal Grlt Oran

Boxed IEEE-1394 camera Sony ICX204AQ/AL 1/3 CCD sensr 1024x768 8-bit veya16-bit, 12-bit AtoD 4.65m x 4.65m 1024x768 at 30FPS Automatic / Manual modes 0.03ms to 66.6 ms at 15FPS 30x31x29mm w/o optics IIDC 1394-based Digital Camera Specification v1.31 > 59 DB

Bununla birlikte kamera dorudan IEEE-1394 kamera kontrol ve video transfer standardn desteklediinden pek ok yazlmla uyumlu alabilmektedir. Gnmzde kullanlan bilgisayarlarn ou bu standard desteklemektedir. Eer bilgisayar bu standard desteklemiyorsa, kamera seti ierisinde IEEE-1394 OHCI PCI Host Adaptr kart verilmektedir. Ayrca set ierisinde FlyCapture SDK cihaz src yazlm yer almaktadr ve Matlab ile uyumludur. Seilen kamera seti ve kamerann resmi ekil IV.4te verilmitir.

55

a)

b)
ekil IV.4. a) HIBW-KIT Kamera Seti b) FLEA Kamera

IV.1.3. Lens Seimi

Lens seiminde kritik olan parametreler, odak uzunluu (zoom), iris kontrol ve fokus kontroldr. Odak uzunluu; hedef nesnenin boyutu ve kamerayla olan mesafesine gre hesaplanarak seilen bir kriterdir. Burada kullanlan formller aada verilmitir; W = w x L/f H = h x L/f (IV.1) (IV.2)

56

Burada; W : Nesnenin genilii H : Nesnenin ykseklii w : Kamera grnt alglaycsnn etkin genilii h : Kamera grnt alglaycsnn etkin ykseklii L : Lens ile nesne arasndaki mesafe f : Lensin odak uzunluu Yukardaki formllerden de grld gibi lensin odak uzunluunun belirlenmesinde iki temel unsur, nesnenin boyutlar ve lense olan mesafesidir. Burada, nesnenin lense olan uzakln belirlerken grnt bozulma tiplerinden olan Pincushion ve Barrel bozulmalarndan kanmak gerekmektedir. ekil.IV.5te Pincushion ve Barrel bozulmann etkileri verilmitir;

a)

b)

ekil IV.5. a) Pincushion bozulma b) Barrel Bozulma

Pincushion bozulma genelde, uzaktaki nesneleri grntlemek amal kullanlan zoom lenslerde ortaya kan bir bozulma trdr. Barrel bozulma ise, kamerann nesneye ok yakndan bakmas sonucunda ortaya kar. Bir cismin yani nesnenin grntsnn tamamn CCD sensrn zerine drebilmek iin hesaplanan lensten daha kk bir lens seilmelidir. 1/3 alglayclarda ykseklik 3.6mm, genilik ise 4.8mmdir. Odak uzakl nesnenin yksekliine ve geniliine gre hesaplanr. Geni al grnler dk odak uzakl lenslerle salanr. Lensin odak uzakl kldke grntlenen alann genilii de o oranda artar. Geni al lensler grnt

57

kalitesini ve seilebilirlii drr. Bu yzden gerekli olmadka normal lensler kullanlmaldr. Bu bilgiler nda, focal uzunluu 3.5 ~ 8 mm olan bir lens iin, orta deeri olan 6mm odak uzunluu (3.5 ve 8mm u noktalar seildiinde yukarda bahsettiimiz bozulmalar oluabilmektedir) seildiinde kamerann nesneye olan uzunluu hesaplanr. rnek olarak nesne uzunluu 45cm, uzakl 1m seildiinde, kamera iin odak uzakl u ekilde hesaplanr; L = f x W/w f= L x w/ W f = 1000x3.6/450=8 mm Lensin dier kriterlerinden olan Iris, DC srcl verifokal seilebilir. Odak ve zoom ise manuel olarak belirlenebilir.

IV.1.4. Ik Seimi
Saysal grntlerin bir ou bir enerji kayna olan grnr k kullanlarak elde edilir. Bu gvenli, ucuz ve kolay sezmeye yardmc olur. Uygun donanm ile kolayca ilemeyi salar. Kameralarda ve flat-bed tarayclarda yardmc k kayna kullanlr.

58

IV.2. GRAFKSEL KULLANICI ARAYZ TASARIMI

Bu almada, klasik yntemle elde edilmi X-n filmleri (grafi), dzgn ortam koullarnda, ekil.IV.3te grlen dzenek yardmyla ve bir saysal kamera araclyla standart bir grnt dosyas haline getirilip, bilgisayar ortamna aktarlabilir. Bilgisayar ortamna aktarlm grnt dosyalar ise, hazrlanan GUI sayesinde, eitli grnt ileme algoritmalar araclyla istenen ama dorultusunda ilenmektedir. Bu blmde gelitirilen GUI programnn ileyii, yaps, men seenekleri ve grnt zerindeki etkisi ele alnmtr. ekil.IV.6da tm ilev ve alt ilevleri grlen yazlm temel olarak, iki ksmdan olumaktadr: Birinci ksmda tamamen grnty ilemeye ynelik fonksiyonlar vardr. kinci ksmda ise, ilenmi grnt zerinde mesafe (greli), a, ilgilenilen blgenin analizi gibi seenekler bulunmaktadr. Yazlmn analiz seenei, ayr bir GUI olarak dzenlenmitir. Bu ikinci GUI programna eriim, birinci GUInin analiz seeneiyle salanmaktadr.

imXray

Grnt leme/Aralar Filtreler Kontrast yiletime Bltleme

GUI-I

Grselletirme 2D 3D

Grnt Analizi ROI lm A lm

GUI-II

ekil IV.6. Grafiksel Kullanc Arayz levleri

59

IV.2.1. Grafiksel Kullanc Arayz

Gelitirilen yazlm temel olarak iki amaca hizmet etmektedir. Yazlmda, ncelikle, bilgisayarda grnt ileme iin son derece yetersiz olan X-n grnt dosyalarnn analiz ilemleri ve daha fazla grsellik salayabilmek iin ilemeye ynelik hazr hale gelebilmesi ile ilgili birtakm seenekler bulunmaktadr. Programda, incelenen grntler, farkl dosya trnde, farkl boyut ve derinlikte bit yapsna sahip, renkli ya da gri seviye bitmap dosyalar olabilir. Bu grnt dosyalar program ierisinde; tek (single) duyarl 8 bit gri seviye ya da Matlab komutlarnn ileyiiyle ilgili olarak, ift (double) duyarl gri seviye grntlere dntrlerek ilenmektedir. Yazlmda, almann amacna uygun, Trkeletirilmi bir ara ubuu

oluturulmutur. Bu ara ubuu zerinde, ekil IV.7de grld gibi, kontrast ve parlaklk ayarlamaya ynelik ilevlerle, filtreler ve ilgili bltleme algoritmalarn kapsayan eitli grnt ileme algoritmalar bir men haline getirilmitir.

ekil IV.7. GUI Program, Mens ve AP Omurga Grnts

60

rnein; ekil.IV.7deki grnt, bir hastann AP omurga grafisinden, saysal kamerayla bilgisayar ortamna JPG dosya olarak aktarlm grnt dosyasnn bir ksmdr. Bu grntde, orijinal dosyann 709x1022 piksel boyutlarnda olmas, ok yer kaplamas ve kiisel bilgi iermesi gibi nedenlerden tr tamam verilmeyip, yalnzca ilgi alan olan blge gsterilmitir. Yine bu grnt dosyasndan, lumber blgeyi gsteren 256x256 boyutlarnda bir blm (ekil.IV.8) aynen alnarak, ilemlerde rnek dosya olarak kullanlmtr. Bu blmde tasarlanan GUInin men seenekleri ile bu seeneklerin ilevleri, bu rnek dosyalar zerinden anlatlmtr. Tasarlanan GUInin men yaps sk kullanlan grnt ileme algoritmalarndan olumaktadr. Mende yer alan Dosya ve Dzen seeneklerinde klasik olarak dosyann almas, kaydedilmesi, programdan k, geri alma, kesme gibi ilevler bulunmaktadr.
IV.2.1.1 Kontrast Mens

Bu seenekte parlaklk ayar, histogram eikleme, adaptif histogram eikleme ve Poisson ilevleri yer almaktadr (ekil.IV.7). Grntler farkl aydnlatma deerinde olabileceinden, histogram eikleme ya da adaptif histogram eikleme yntemleri kullanlarak kontrast dzenlenmesi yaplabilir. Poisson seenei, grntnn yeniden ina edilmesi ile hem grnt kontrastn ayarlamada, hem de grlt giderilmesinde bir filtre gibi kullanlmaktadr. lk olarak grntnn analizi iin, ekil.IV.8de verilen rnek grntnn histogram incelendiinde, younluk seviyelerinin yaklak 50~150 arasnda olduu ve 100~120 arasndaki younluk deerlerine piksellerin yld grlmektedir. Younluk deerleri birbirine ok yakn olduu iin, bu grntde ayrt bulmak ok zordur. Enerjinin tam ayarlanamamas, X-nlarnn farkl dokulardan farkl sourulmas ve bir miktar da grntnn saysallatrma koullarndan kaynaklanan ortam grlts nedeniyle bu grntnn youn grlt ierdii sylenebilir. Grntnn gradyent bykl gsterilen ekil.IV.8.bde, younluk geilerinin nesne kenarlar dndaki alanlarda da yayld grlr.

61

a)

b)

c)

ekil IV.8. a) Lumber (Bel) Omurga Grnts b) Gradyent Bykl c) Grntnn Histogram

Grlt olarak adlandrlan bu durum birok algoritma iin istenmeyen sonulara neden olur. Grselletirme aamas iinde bu bulutumsu yapnn mmkn olduu kadar giderilmesi gerekmektedir.

a)

b)

c)

d)

ekil IV.9 a) Orijinal Grnt b) Histogram Eikleme Uygulanm Grnt c) Adaptif Histogram

Eikleme Uygulanm Grnt d) Gradyent Alandan Yeniden na Edilen Grnt

ekil.IV.9da grld gibi, grntnn kontrastn ayarlamada tek bana, histogram eikleme ve adaptif histogram eikleme yntemleri yeterli deildir. Histogram eiklemede grntnn bulutumsu grltden tam olarak ayrmad, ancak omurlar

62

ksmnn daha parlak hale gelerek ne kt grlmektedir. Adaptif histogram eiklemede ise, omurlar ksm ile arka dzlem arasndaki fark azalmtr. Gradyent alanndan grntnn yeniden ina edilmesiyle (Poisson seenei), bulutumsu yap byk oranda giderilmi, fakat istenen ortada bulunan omurlarn parlaklk dzeyi de azalmtr.
IV.2.1.2 Kenar Bulma Mens

Bu seenekte grntnn gradyent bykl, Sobel ve Canny kenar bulma ilevleri vardr. Bu ilevler kullanlarak, kenar ayrtlarnn durumu istenen seenekle grntlenebilir.

ekil IV.10. Kenar Mens

ekil.IV.11de grntye ait detay bilgileri farkl kenar bulma operatr kullanlarak elde edilmitir. Grntler incelendiinde filtrelenmemi grntden anlaml bilgi edinmenin mmkn olmad grlmektedir.

a) b) c) ekil IV.11. a) Gradyent Deeri b) Sobel Kenar Bulma c) Canny Kenar Bulma

n ve arka zemin ayrtrlmas yaplmad iin, omurlarn yan sra, arka zemin olarak adlandrlan omurlarn haricindeki ksm da ayrt olarak ilem grmektedir. Canny kenar bulma ilevi grntdeki deiimleri Sobelden daha fazla alglamaktadr. Sobel kenar bulma ilevi, gradyent deerlerinin maksimum olduu blgeleri algladndan bu grntde daha iyi sonu retmektedir. 63

IV.2.1.3 Filtreler Mens

Bu seenekte ortalama (average), ortanca (median), Wiener, Gaussian ve anisotropik filtre ilevleri bulunmaktadr (ekil.IV.12).

ekil IV.12. Filtreler Mens

Bu filtrelerin ortak zellikleri, hepsinin de birer alak geiren filtre olmasdr. Farkl ekillerde grnt zerinde dzletirme etkisi ve grlt giderilmesini salarlar. n ya da ardl ilemlerde kullanlrlar. Literatr ksmnda teorisi anlatlan, anisotropik filtrenin dier alak geiren filtrelere gre, kenar blgelerini koruyarak dzletirdii ekil.IV.13te aka grlmektedir

a)

b)

c)

d)

e)

f)

ekil IV.13. a) Orijinal Grnt b) G=7 alnarak Ortalama (Average) filtrelenmi Grnt c) Wiener

Filtre, G=7 d) Ortanca (Median) Filtre, G=7 e) G=7,

=2

Gaussian Filtre e) terasyon=15, K=5

alnarak Anisotropik Filtrelenmi Grnt

64

IV.2.1.4 lemler Mens

lemler seeneinin ierisinde detay1, detay2, kenar arttrma, dinamik erim azaltma, keskin olmayan (unsharp) filtre, morfolojik mask ilemleri bulunmaktadr. Bunlardan detay1,detay2, dinamik erim azaltma, seeneklerinin ileyii ve grnt zerine etkisi literatr ksmnda verilmitir.

ekil IV.14. lemler Mens

Kenar Arttrma: Genel olarak bilinen kenar arttrma ilemine ait ilem sras ise ekil.IV.15te grld gibidir. Bu seenekle grnt ierisinde kenar blgelerinin arl ksmen arttrlabilir [23].

ekil IV.15. Kenar Arttrma Ak izelgesi

nce, orijinal grntnn Laplacian filtresi ile ikinci derece trevi alnarak grnt iyice keskinletirilir ve kendisiyle toplanr. Sonra Sobel operatrleriyle birinci derece trevi alnp ortalama filtreyle yumuatlr. Bu iki sonu birbiriyle arplarak orijinal grntyle tekrar toplanr. Elde edilen grntnn normalizasyonu salamak zere g kanunu (power law); s = cr ilemine tabii tutulur. Bu uygulamada c=1 ve = 0.5 alnmtr. < 1 seildiinden k grnts, giri grntsnden daha parlak olacaktr. Bu yntem kullanlarak, kenar blgelerinde ksmen iyiletirme salanr [23].

65

a) ekil IV.16. a) Orijinal grnt b) Kenar Arttrma

b)

MorfolojikMask seeneine ait ilem sonucu ekil IV.17de verilmitir. zellikle bulutumsu yapnn datlmas ve orta frekans blgesi youn olan grntlerde etkilidir.

a)

b)

ekil IV.17. a) Orijinal Grnt b) MorfolojikMask Grnts

ekil.IV.17 incelendiinde, MorfolojikMask uygulanm grntde omurlar ksm arka dzlemden tamamen ayrtrlm ve netletirilmitir. Ancak, morfolojik ilemlerden geirilmesi nedeniyle nesne snrlarnda kayplar vardr. kurtulmak mmkn deildir. Bu kayplardan tamamen

66

IV.2.1.5 Bltleme

Bu mende, eikleme, k-ortalamalar ve morfolojik bltleme seenekleri yer almaktadr. Bu bltleme algoritmalarnn hepsi grnty mkemmel kabul eder. Bunlarn grntye etkisi Literatr ksmnda verildii iin burada tekrarlanmamtr. Literatr ksmnda da deinildii zere burada sralanan bltleme yntemleri, tek balarna grnt bltlemede yeterli deildirler.

ekil IV.18. Bltleme Mens

IV.2.1.6 Gster

Genel olarak grselletirmenin amac, ilenmemi veriden grsel olarak anlalabilir grntler retmektir. Bu retim aamasnda veri yapsna bal olarak birok ilem yapmak gerekebilir. Elde edilen sonularn 2-boyutlu ve 3-boyutlu gsteriminde Matlab programnn hazr ktphanelerinden ve komutlarndan faydalanlmtr. Temel olarak 2Blu grafiklere, nc boyutun yani z-ekseninin eklenmesi ile 3B grafikler elde edilir. Matlab 3B grafik konusunda ok gelimi imkanlar sunmaktadr. Grntde, 2Blu gsterimden verilmitir. 3Blu gsterime geii, surf komutu otomatik salamakta ve renklendirmektedir. Grselletirme ilemine ait matlab program komutlar Ek.Ide

ekil IV.19. Orijinal Grnt ve Render Edilmi Grnt

67

IV.2.1.7 Analiz

Bu blmde yazlmn ilk blmnde analize uygun hale getirilen X-n grnt, bu seenekle ikinci GUIye aktarlarak; zerinde eitli lmlerin yaplabilmesi salanmtr. Bu lmlerden kastedilen birim piksel cinsindendir. nk eldeki veriden nicel (quantitative) bilgi retmek mmkn deildir. Ancak, bu lmlerin hekimlere kyaslama ve snflama yapabilmek asndan bir fikir verecei de kesindir. Programda a lm ise dorudan derece cinsinden sonu retmektedir. Klasik yntemle, hekimlerin X-n filmi zerinde elle yaptklar a lme ilemi; burada program kullanlarak, arayz zerinde fare ile izilen iki doru arasndaki ann otomatik lm ekline dntrlmtr. Bu da kullancnn hem ilem zaman asndan tasarruf yapmasn salar, hem de yanlma payn azaltr.

ekil IV.20. Analiz GUIsinin Grnm

68

Bu ksmda ayrca, ilgili blge analizi (ROI;Region of Interest), bu blgenin istatistik deerlerini elde etme, silme, zoom, uzunluk lme, a lme iin ayr bir dzenleme ve 3Blu gsterim seenekleri de mevcuttur. A lme dzenlemesi ve GUInin grn ekil IV.20de grld gibidir.

Kullanc, ara ubuunda bulunan a lmeye yarayan

seenei iaretlediinde;

ekil zerinde en ok eilen alt omurun alt snrna bir doru ve en ok eilen st omurun st snrndan bir doru izdiinde a deeri ekrann sol st kesinde belirmektedir . Kullanc GUI zerinde sol panelde bulunan Uzunluk butonuna basarak, grnt zerinde istedii yeri fare yardmyla iaretleyerek piksel cinsinden uzunluk hesab yapabilmektedir (ekil.IV.21).

ekil IV.21. Uzunluk lm

69

ekil IV.22. ROI Grnm

Kullanc, grnt zerinde bir paray ayrmak istediinde gerekli blgeyi istedii ekilde fare kullanarak izer. Sa panelde bulunan Blge zellikleri butonuna bastnda, piksel cinsinden olmak zere blgenin alan, alan merkezi, evresi gibi zellikleri ekranda grntlenir (ekil.IV.22).

IV.3. GRNT YLETRME VE BLTLEME AMALI YAZILIM UYGULAMALARI

X-n grntleme, tbbn gnmzde de vazgeilmez bir tehis aracdr. Bir ok hastaln tehisi X-n grntleme ile yaplabilmektedir. X-n grntlerinin kalitesi, doktorun tehisini dorudan etkiler. Bu grntlerin kontrast ise son derece dktr. Bu nedenle X-n grntlerin kontrastn gelitirmek son derece nemlidir. Grnt iyiletirme ilemleri genel olarak, frekans ve uzamsal dzlemlerde yaplr. Grntnn kontrast dzenlemeleri ise, gri seviye deiimleri ve histogram denkletirme yntemleri kullanlarak uzamsal dzlemde yaplr. Histogram denkletirme grntye global olarak uygulanr, bu nedenle zellikle X-n grntlerde yeterli deildir. Literatr ksmnda alma mantklar aktarlan grnt ileme algoritmalarnn, X-n grntlerine tekil ya da ardl uygulanmasndan elde edilen sonular bu balk

70

ierisinde aktarlmtr. Bu blmde X-n grntlerin iyiletirilmesi ve bltlenmesi amacyla gelitirilen iki ynteme yer verilmektedir.

IV.3.1 Grntnn Gradyent Alanndan Yeniden na Edilmesi Yntemiyle Lumber Omurga Blgesinin Bltlenmesi
KDE tabanl yntemler, grnt ilemede son zamanlarda olduka popler yntemlerdir. Ana kullanm amalar, dorusal olmayan diferansiyel tekniklerle grntde grlty azaltarak, daha przsz ve gze ho gelen grntler retmektir. Bu konuda da olduka etkilidirler. Literatrde, grnt iyiletirme ve onarmaya ynelik ok eitli yntemler mevcuttur. Temel zorluk; bozulma etkisi olmakszn, nesneler zerinde grlty bastrmak ve yaplarn dzgn bir ekilde iyiletirilmesini salamaktr. Genelde iyiletirme ilemleri grntye younluk dzleminde uygulanr. Burada kullanlan yntemde ise, iyiletirme ilemleri grntnn gradyent dzleminde uygulanmaktadr. Gradyent alan iyiletirmede nesne snrlarnda ama olmadan, yaplarn dzgn bir ekilde iyiletirilmesi mmkndr. Grntnn gradyent alan grltye kar son derece duyarldr. Nesne snrlarna doru gradyent deeri artar. Bu yntemde nesne kenarlar boyunca iyiletirme salanrken, grltl blgeler dk gradyent deerleri nedeniyle basklanr. Genelde tmletirilemeyen gradyent alandan module edilmi gradyent alan elde edilir. Module edilmi gradyent alandan, en kk hatalar yntemi kullanlarak elde edilen Poisson eitliinin zm ile, grnt yeniden ina edilir. Bu yntemde grnt kontrast dzgnleir. Ayrca dier KDE yntemlerindeki bir problem olan zaman durdurma fonksiyonunun kullanlmamas da bu yntemin nemli bir avantajdr. ekil IV.23.ada, grnt iinde ksmi trev ve gradyentin yn, bde ise bu grntye ait gradyent vektrleri gsterilmektedir.

71

x
f x
f y
Dk gradient deerleri

a)

b)
ekil IV.23. a) Grntde Ksmi Trev b) Grntnn Gradyent Vektr Alan

Omurgann, X-n grntsnde kemik yaps daha parlak olduundan gradyent deerleri de daha parlaktr. Bu duruma gre grntnn gradyent alanndan yeniden ina edilmesinde, gradyentin yksek olduu ksmlar ilem grecek ve dk gradyent deerleri elendiinden, yksek gradyent deerine sahip omurlar blgesinin bltlenmesi salanm olacaktr. ekil.IV.24te gelitirilen yntemin sralamas verilmitir.

ekil IV.24. Grntnn Gradyent Alanndan Yeniden nasnn Ak izelgesi

72

Algoritmalar, her grnt iin ayn sonucu retmezler. ncelikle incelenecek grntnn genel yapsnn deerlendirilmesi gerekmektedir. rnek grntnn histogram incelendiinde (ekil IV.25.b) piksellerin dar bir alanda yayld, grntnn karanla daha yakn ve kontrastnn dk olduu aka grlmektedir.

a)
ekil IV.25. a) rnek Grnt b) Histogram

b)

lk nce grntye, detaylar belirginletirmek ve snrlarn kaybolmasn engellemek amacyla, = 1 seilerek keskin olmayan (unsharp) filtre uygulanmtr. Bu ilemden sonra grntnn gradyent alanndan yeniden ina edilmesi yoluyla, grntde bulunan bulutumsu grlt byk oranda giderilerek omurlarn n plana kmas salanmtr. Grnt histogram incelendiinde, bu ilemin sonucu olarak piksellerin dar bir arala skt grldnden, parlaklk ayar yaplarak piksellerin histogram zerinde eit dalmas salanarak kontrast deeri arttrlmtr. Elde edilen grnt, rnek grnt ile karlatrldnda grltden byk oranda arndrld ve omurlarn n plana kt aka grlmektedir. Ayrk bir grnt iin I(N,M), Ortalama Karesel Hata (MSE) aada verildii gibi hesaplanr. Ior orjinal grnt ve Ide iyiletirilen grnt olmak zere;
MSE = 1 NM
N M

( I
i =1 j =1

or

(i, j ) I de (i, j )) 2

(IV.1)

Grnt kalitesinin llmesinde kullanlan dier kolay ve ortak bir yntem de Tepeareti / Grlt Oran (Peak-Signal-to-Noise-Ratio) (PSNR) ile karakterize edilir. PSNR u ekilde hesaplanr;

73

 (I max )2 PSNR = 10 log10 MSE

(IV.2)

Imax orjinal verinin maksimum younluk deeridir. Orijinal grnt ile sonuta elde edilen grnt arasndaki MSE=0.063116 ve PSNR =11.999 olarak elde edilmitir.

a)

b)

c)

d)

e)

f)

ekil IV.26. a) Keskin olmayan (Unsharp) Filtrelenmi Grnt c) Gradyent Alanndan Yeniden na Edilen Grnt, e) Parlaklk Ayar Yaplan Grnt b), d) ve f) Grntlerin Histogramlar

74

IV.3.2.

Grntnn

Ardl

lemlerden

Geirilerek

Bltlenmesi
Bu balk altnda grnty, ardl filtreler ve morfolojik ilemlerden geirerek, omurlarn arka dzlemden ayrmasn salayan ynteme yer verilmitir. Bu tez almasnda gelitirilen bu yntem, zellikle orta frekans grlts youn olan grntlerde etkilidir. Yntemde filtreler ile gri seviye morfolojik ilemler beraber kullanlmtr. Grnt ilemede, grnt zerine temel kme ilemlerinin uygulanmas ile oluan ilemlere morfolojik ilemler ad verilir. Temel ilemler genleme ve anma ilemleridir. Dier ilemler bu iki ilemden retilir. Morfolojik ilemlerde ilem sonucu kullanlan yapsal elemana baldr. Yapsal eleman farkl ekillerde olabilir. Gelitirilen yntemin ilem basamaklar ekil.IV.26da grld gibidir. nce ortalama filtreyle ortamdaki drt grlt etkisi azaltlr. Daha sonra, bir unsharp filtreyle grnt detaylar arttrlr. Bu ilem srasnda grntnn dier ksmlar da detaylandrldndan tekrar bir alak geiren filtreden geirilmesi gerekir. Wiener filtre pozlandrma srasnda nesne hareketinden oluan snrlardaki grlty gidermede etkindir. Bu nedenle alak geiren filtre olarak Wiener filtreden geirilmitir. Ardndan Ortanca filtreyle nesne snrlar korunarak grnt bir miktar daha dzgnletirilmitir. Bundan sonra histogram eiklemeyle, kontrast dzenlemesi yaplmtr. Bu sayede ak tonun youn olduu omurlar blgesinin biraz daha n plana alnmas salanmtr. Grntnn tmleyeni alnarak ama ilemiyle bir gri seviye maske hazrlanr. Bu almada gri seviye grntye, karesel ekilde yapsal eleman uygulanmtr. Gri seviye grntye ama ilemi uygulanrsa, yapsal elemann ierdii nesneler tamamen kaldrlr. Bu sayede arka dzlem aydnlatmasnn tahmini yaplmaktadr. Bu ilem ayn zamanda nesne konturlarn dzletirir ve kntlarn azaltr. Bu istenmeyen bir durumdur. Bu nedenle yapsal elemann deerini dk almak gerekmektedir. Grntnn tmleyeni alndktan sonra ama ilemiyle boluklar alarak, orijinal grntden karlmtr. Son olarak piksellerin parlaklk ayar yaplarak, histogram zerine eit dalm salanm ve kontrast dorusal olarak artrlmtr.

75

ekil IV.27. Ardl lemlerle Grnt Bltleme Ak izelgesi

Elde edilen grntyle, orijinal grnt arasnda, MSE=0.080352 ve PSNR=10.95 olarak elde edilmitir.

a)

b)

ekil IV.28. a) Ardl lemler Kullanlarak Elde Edilen Grnt b) Grntnn Histogram

Bu grntnn anisotropik difzyon filtreden geirilmesi ile dzletirilmi grnt ise, ekil.IV.29da gsterilmitir.

76

ekil IV.29. Bltlenmi ve Dzletirilmi Omurga Grnts

Grntnn, gradyent alandan inas ile bltlenmesi yntemine gre, morfolojik yapsal eleman kullanld iin bu yntemde kenar blgelerinde kayp biraz daha fazladr. Ancak bir alternatif yntem olarak arka dzlem ayrtrmada kullanlabilir. Omurlar blgesi, dier ynteme gre daha fazla parlak olarak elde edilmitir.

77

BLM V

GRNT LEME ETMNE YNELK ARALARIN VE YNTEMLERN BELRLENMES

Grnt ileme bilgisayar, haberleme, tp, corafi bilimler, restorasyon, uzay bilimleri, savunma sanayii, gvenlik sistemleri, endstriyel uygulamalar gibi pek ok alanda kullanlmaktadr. Saysal kayt yapabilen cihazlar gelitike, grnt ileme de gelimekte ve nemi artmaktadr. Bu almada, grnt ileme yazlm oluturulurken, Teknik Eitimde grnt ileme eitiminin de alt yaps oluturulmaya allmtr.

V.1. GRNT LEME KONULARI

Grnt ileme; Bilgisayarl Grafik (Computer Graphic), Bilgisayarla Grme (Computer Vision), Grnt Analizi (Image Analysis) ve rnt Tanma (Pattern Recognition) gibi alanlarla yakndan ilgilidir. Bu alanlarla rten ve bu alanlara temel olan konular, grnt ilemede yer almaktadr. Grnt ileme, alglanan grntden yeni bir grnt elde edilmesi ile ilgilidir. rnt tanma, grntlerden nesnelerin tannmasn salayan bilgilerin elde edilmesini kapsar. Grnt analizi de, grntden

78

alnan bilgilerin yaplacak i iin gerekli biime dntrlmesi ile ilgilidir. Tablo.V.1de verilen grnt ilemlerine gre, grnt ilemenin ve dier alanlarn tarifi yaplabilir. Konularn, dier alanlardan ayrm ok net olmamakla beraber; giri grnt, k da grnt ise, grnt ilemenin alan olarak tarif edilmektedir.
Tablo V.1 Grnt lemleri ve Alanlar Alan Giri k

Grnt leme (Image Processing) Grnt Analizi (Image Analysis) rnt Tanma (Pattern Recognition) Bilgisayarla Grme (Computer Vision)

Grnt Grnt Grnt Tanmlama Grnt

Grnt Grnt Tanmlama Nesne Snflama 3B Model

Bilgisayarla grme dersinin konular; grnt oluumu, grntnn modellenmesi, grnt elde etme dzenleri, alt dzey gr problemleri (yumuatma, ayrt saptama, ayrt balama, ok lekli yaklamlar), orta dzey gr problemleri (yzey kurma, tonlamadan, hareketten ve stereo grntlerden ekil elde etme, yksek dinamik erim (HDR) grntler), yksek dzey gr problemleri (modele dayal gr, anlamsal alar, Hough dnm) gibi konulardan olumaktadr. rnt tanma, parmakizi, elyazs, ses tanma sistemlerinden tbbi grntlerin analizine kadar ok eitli uygulamalarn gelitirilmesine olanak salayan temel kavramlar ieren bir disiplindir. renme algoritmalarnn deerlendirilmesi ve karlatrlmas; zellik kartma ve seme, Temel Bileen Analizi (PCA), Bamsz Bileen Analizi (ICA), rnt n ve ardl ilemleri gibi konular ierir. Saysal grnt ileme, geni bir alana yaylmtr ve konular; Grntnn, Elde edilmesi (acquisition), Saysal veriye evrilmesi, lenmesi (processing), Deitirilmesi (modify) , Analizi (analysis), Onarm (restoration), 79

yiletirilmesi (enhancement) Sktrlmas (compression)

gibi ilemleri kapsar. Saysal grnt ileme, bir grntnn ve zelliklerinin deitirilmesi iin kullanlan eitli teknikleri ierir.

V.2. GRNT LEME DERS

Grnt ileme temel olarak; bilgisayar, elektronik, haberleme eitimi ve mhendisliklerinin ortak konusudur. Grnt ileme dersi, birok niversitede lisans ve yksek lisans dzeyinde okutulmaktadr. Tablo V.2de Grnt ileme dersi verilen niversitelerin bazlar ve dersin verili adlar yer almaktadr. Tablo V.2deki dersler, niversitelerin resmi internet sitelerinde aklanan ders listelerine gre dzenlenmitir. Tablo V.2den de grld gibi dersi farkl ad ve ierikle de vermek mmkndr. Bu her niversitenin renci ve kendi altyapsna baldr. Grnt ileme eitimi, Mhendislik ve Teknik eitim asndan ele alndnda, ders ieriindeki matematiksel younluk Teknik eitimde azaltlabilir. Yine Teknik Eitimde yazlm kodlarn gelitirme yerine, hazr ara kutularn kullanan programlara arlk verilebilir. Teknik Bilimler Meslek Yksekokulu mfredatlarnn ierisinde de grnt ilemeye hazr bir programla ksaca deinilebilir. Elektronik ve Haberleme programlarnn rencilerine, bilgisayar destekli grnt ileme program (rnein; Adobe Photoshop) anlatlabilir. Biyomedikal program rencilerine ise, Tbbi Grntleme bal altnda, tbbi modaliteler de anlatlarak, grnt ileme dersi ierii azaltlm olarak verilebilir. ki yllk nlisans programlarnda grnt ileme dersinin ierii, matematik seviyesi gerektirmeyecek ekilde dzenlenmeli ve hazr paket programlar tercih edilmelidir. rnein biyomedikal program mezunlar, tbbi cihaz ve yazlmlar satan firmalarn pazarlama blmlerinde de istihdam edilmektedirler. Bu nedenle rencilere alan ile ilgili terminoloji ve genel kavramlar ksaca aktarlmaya allmaldr.

80

Tablo V. 2 Grnt leme Dersi Verilen niversitelerden Bazlar niversite Blm Lisans Yksek Lisans

Matematik Mh. Bilgisayar Mh. YT ElektronikHaberleme Mh. Bilgisayar Mh. KO Elektrik-Elektronik Mh. Elektronik-Bilgisayar Eitimi Haberleme Mh. T Biyomedikal Mh. Bilgisayar Mh. GAZ Elektrik-Elektronik Mh. Elektronik-Bilgisayar Eitimi Bilgisayar Mh. ODT Elektrik-Elektronik Mh. Bilgisayar Mh. BOUN Elektrik-Elektronik Mh.

Grnt leme Grnt leme -------------------

Grnt Sktrma Teknikleri ve Standartlar ---------------ki Boyutlu aret ve Grnt leme Grnt leme ve Yapay Sinir A Uygulamalar leri Grnt leme Teknikleri ---------------------------------

Grnt leme mge leme Grnt leme

Grnt lemenin Grnt leme Temelleri -----------------Grnt lemeye Giri -----------------Grnt leme Grnt leme Tekniklerinin Temelleri Saysal Grnt leme Bilgisayar Grafii iin mge leme Grnt lemeye Giri Grnt leme Grnt leme Saysal Grnt leme ------------------Grnt leme Saysal Grnt leme -------------------------------------

rnek bir grnt ileme dersi ve haftalk dzeni, Tablo.V.3te verilmektedir. renciye, Grnt ileme dersi almadan nce yksek matematik, iaret ileme ve kullanlacak olan programlama dilinin derslerinin verilmesi, dersten alnacak verimi arttracaktr. Bu nedenle dersin drt yllk eitim sresinde, 4. ylda verilmesi uygun olacaktr. Verilen konulardan bazlar rencilerin altyapsna gre azaltlabilir.

81

Tablo V.3. rnek Grnt leme Dersi Konular ve Haftalk Sresi Ders Konular Sresi

Yardmc Yazlm ile lgili Temel Bilgiler ve zmler; Grnt sunumu ve grntleme (Mathematica, Labview, Matlab ) Grnt leme ile lgili Temel Kavramlar; Analog ve saysal grnt, Saysal grntnn elde edilmesi (image acquisition), Piksel, znrlk, Bit derinlii, Grnt dosyalar, Grnt tipleri, Grnt zerinde temel matematik ilemler Grnt yiletirme (image enhancement); Grnt Histogram ve Noktasal lemler; Parlaklk ve kontrast ayar, Kontrast yiletirme; Histogram Eikleme, Adaptif Histogram Eikleme Grnt yiletirme (image enhancement); Frekans Dzleminde Ayrk Fourier dnm, Ters Fourier Dnm, Frekans dzleminde filtreleme, Dalgack Dnm Grnt yiletirme (image enhancement); Uzamsal Dzlemde, Piksel komuluk ilemleri, Konvolusyon, Korelasyon, Grnt zerinde Trev Uygulamas, Filtreleme; Alak geiren filtreler, YGF, BGFler ; (Ortalama, Gaussian, Sobel, Canny, Unsharp v.s) Grnt zerinde Dorusal Olmayan lemler; Ortanca Filtre, Max ve Min Filtreler; Morfolojik lemler; Yayma, Andrma, Ama, Kapama, kili ve Gri seviye grntler zerine etkisi Grnt Bltleme (image segmentation); Eikleme, oklu Eikleme, Snflandrclar, Blge Bytme

2 Hafta

1 Hafta

1 Hafta

1 Hafta

2 Hafta

1 Hafta

1 Hafta

Grnt ve Video Sktrma (Image and Video Compression); 2 Hafta JPEG, JPEG2000, MPEG1,MPEG2, MPEG4 Proje Sunumlar 1 Hafta

Tablo V.3te verilen rnek ders programnn konularndan bir ksm bu almada detayl olarak yer almaktadr. Grnt leme ile lgili Temel Kavramlar, Grnt

82

yiletirme; Kontrast lemleri ve Uzamsal Dzlemde yiletirme, Grnt Bltleme konular, Blm II.3te Grnt yiletirme ve Bltleme bal altnda konulara ait rneklerle birlikte verilmektedir. Tezin belirtilen bu ksm, Grnt ileme dersinin alt yapsn oluturmak zere detayl hazrlanmtr. Yine bu blm ierisinde yer alan gradyent alandan grnt retilmesi konusu, Bilgisayarla grme dersinde kullanlabilir. Grnt ilemenin temeli, matematie dayanr ve belirli bir dzeyde matematik bilgisine (matris, fonksiyon, vektr, trev, integral, dnmler; Laplace, Fourier v.s.) ihtiya vardr. Bu nedenle, uygulama alanlar son derece geni olan bu dersin, lisans dzeyinde verilmesinden nce, rencinin matematik ve programlama altyapsnn hazrlanmas, dersten yksek verim alnmasn salayacaktr. Ders konularnn uygulamas, C, JAVA gibi herhangi bir programlama diliyle ya da dorudan bir programlama dili yerine, hazr modllerden oluan eitli arayzlerle de renciye aktarlabilir. Dorudan programlama dili kullanmak, zaten zor olan konular anlamada ve ilerlemede rencilerden verim almay zorlatracaktr. Yalnzca hazr programlar kullanmakta, konularn ve projelerin gelitirilmesinde rencinin katksn azaltacaktr. Bunlarn yerine, grnt ileme eitimine, ksaca ierie uygun matematik ilemleri de kapsayan, ayn zamanda hazr aralardan oluan bir program retilerek balanmaldr (Matlab, Labview, Mathematica v.s.). Grnt ileme dersinin uygulamalar iin, bir grnt ileme laboratuar dzenlenmesi yapmak, dersin anlalabilirlii arttrmak ve endstriyel uygulamalar iin pratii gelitirmek asndan faydal olur. almalarda kullanlmak zere, yksek znrlkl renkli tarayc, saysal kamera, saysal fotoraf makinas, uygun ara ve yazlmlar barndran bir laboratuarn kurulmas dev ve projelerin yaplmasna, konularn anlalmasna katkda bulunur. Standart yntemlerle, ileri dzey grnt ileme problemlerinin zlmesi son derece gtr. zellikle Matlab, zmleri kolaylkla deneyebilecek ve sonular analiz edebilecek bir ortam sunar. Bu tr yazlmlar, hazr fonksiyonlarla, hem rencinin, hem de retmenin programlama ykn azaltr, ayrca uygulama ve yazlm gelitirme imkan sunduklarndan, grnt ileme eitiminde tercih edilmelidir.

83

Bilgisayar ve yazlmla grnt ileme eitiminin uygulanmas, ok daha etkili ve anlamay kolaylatrc olacaktr. Bu sayede renciler belirlenen hedefe ynlendirilerek, daha ksa zamanda sonuca ulaabileceklerdir. Konularn anlatm, hazrlanan sunu zerinden rencilere aktarlabilir. rencilerin not almas yerine, sunular internet ortamndan yaynlanmal ve konularn takip edilmesi istenmelidir. Anlatm sresi rencinin sklmasn nlemek amacyla, ok uzun tutulmamaldr. Konularn ksa uygulamasna geilerek rencilerin bilgisayar banda rnekleri tekrarlamas istenmelidir. Ayrca, rencilere eitli projeler verilmelidir. Haftalk dev ve dnem ierisinde rencilere tekil ya da grup olarak projeler verilmesi, rencilerin konulara ilgisini arttracak ve bireysel olarak da renmelerini ve aratrma yapmalarn salayacaktr. Grnt ileme dersine, yurt ii veya yurtd tm niversitelerin ders programlar incelendiinde lisans, nlisans ve/veya yksek lisans dzeylerinde sklkla rastlanmakta ve mhendislik tarz matematikle beraber iaret ileme dersinin iki boyutlu versiyonu gibi sunulmaktadr. Modern grnt ilemede matematik, ileri dzeyde yaplan almalarda (yksek lisans ve doktora seviyesindeki tezlerde, bilimsel kurulular tarafndan veya kurumlarn kendi ARGEleri tarafndan gelitirilen birok endstriyel uygulamalarda) aratrmaclar iin kesinlikle gereklidir. Olaslk teorisi, matematiksel istatistik, topoloji, lojik, nmerik analiz, lineer cebir, fonksiyon analizi, ksmi diferansiyel eitlikler, integral eitlikleri gibi matematiksel ilemler grnt ilemede sklkla kullanlmaktadr. Bununla beraber, matematii en aza indirerek te grnt ileme dersi anlatmak mmkndr. Bilgisayar bilimleri rencilerinin birou iin bu kadar ar matematik gerekli deildir [58]. Teknik Eitim ve Meslek Yksekokulu rencilerine matematik ierik azaltlarak, hazr programlar ile ilem sonular aktarlarak ders anlatlabilir. ekil V.1de grld gibi grnt ileme dersi ierii teori ve uygulama olmak zere iki ksmdan olumaktadr. Yine ekilden anlald zere, teori ve uygulama arlklar farkl seviyedeki renci tipi iin uygun ekilde ayarlanmaldr. rnein, bir ortanca filtre tasarmn, mhendislik bilimleri rencisi bildii bir programla dilinde kodunu kendi yazarak tasarlayabilmelidir. Dier taraftan teknik eitim ve meslek yksekokulu rencisinden bu konudaki beklenti, hazr bir filtre arac kullanarak grnt zerindeki 84

etkisini inceleyebilmesidir. En azndan bunu herhangi bir grnt zerine uygulayabilmesi yeterlidir.

ekil V.1 Grnt leme Dersi in Farkl Disiplin ve Seviyelerdeki rencilere Ynelik nerilen

Matematik Bilgi Birikimi ve Bunlarn Kullanmna likin ema

renci kendi kodlarn yazmak yerine hazr modller yardmyla matematik ilemlerin grnt zerindeki sonucunu grerek dersi alabilir. ekilde teorik arlk aaya doru, uygulamada ise yukarya doru azalmaktadr.

V.3. GRNT LEME DERSNN HEDEFLER

Grnt leme eitiminin renciye kazandraca temel yetenek ve beceriler u ekilde sralanabilir:

Deiik dosya formatlarndaki grnt verilerine ulama ve donanmlardan grnt alma Grnt verilerini detayl inceleme ve grselletirme iin dzenleme Grnt iyiletirme, bltleme, morfolojik ilemler ve znitelik lmleri gibi standart algoritmalar kullanma Temel bilimleri, okuduu alanda kullanabilme ve model kurabilme becerisi Analitik dnce ile mevcut sistemleri inceleme, iyiletirme ve gelitirmeye ynelik zmler retebilme stenilen gereksinimleri karlayacak sistemleri tasarlayabilme

85

Yaam boyu renme gereini alglam ve kendi kendine renme yeteneini kazanm olma

Grnt ileme ve uygulamalar, grntnn makina ya da insan asndan daha anlalabilir olmasn salamak amacyla kullanlr. Uygulama alan son derece genitir ve birok disipline alt yap tekil eder. Gnmzde, orta eitimde dahi grnt ilemenin eitli uygulamalar yer almaktadr. Bu nedenle, grnt ileme eitiminin, mhendislik ve teknik eitim mfredat ierisinde mutlaka yer almas gereklidir.

86

BLM VI

SONULAR, NERLER

DEERLENDRME

VE

X-n grntleri, grnt ileme asndan son derece kstl zelliklere sahiptir ve bu grntlerin ilenmesi son derece gtr. Omurgann tmleik yaps, ekil asndan karmak olmas, her kiiye gre deiim gstermesi ve X-n filmlerinin nicel (quantitative) bilgi iermesi nedeniyle, grnt ileme asndan tam otomasyon salamann mmkn olmad grlmtr. almada en byk zorluk X-n grntlerinin iyiletirilmesi konusunda yaanmtr. X-n grntler, kemik dokuyu net gstermekle beraber, grnt ileme asndan kt ve deiken kontrast deerlerine sahiptir. Bu nedenle kontrastn dzenlenmesi olduka nemlidir. Kemik doku yannda, dier i organlarnda X-n filmlere yansmas, grntlerin ilenmesini engellemektedir. nk bu yansmalar kullanlan algoritmalar iin grlt kaynadr ve bu grltden tamamen kurtulma imkan yoktur. almada, grntlerden zellik karm (Future extraction) konusunda zorluklar yaanmtr. Bu nedenle tbbi grntleme asndan, X-n grntlerinin ilenmesi yerine, dier modalitelerin tercih edilmesi nerilir. Grntlerin bilgisayara aktarlmas ve saysallatrlmas iin tasarlanan dzenek, her trl tbbi grnt aktarmna izin verir ve ileride ariv oluturulmasnda kullanlabilir. 87

alma konularnn ve terimlerinin geni bir alana yaylm olmas, bunlarn dikkatle incelenmesini gerektirmitir. Grnt ilemede, ksmi diferansiyel denklemlerin kullanlmas son zamanlarda olduka poplerdir. Bu algoritmalarn grntye uygulanmasyla elde edilen sonular farkl ekillerdedir ve bu konu ile ilgili gelitirmeler devam etmektedir. Ksmi diferansiyel eitliklerin zm ile grnt zerinde ilemlerin matematiksel olarak modellenmesi salanr. Omurga yapsnn bltlenmesinde yeni bir yntem kullanlarak omurlarn n plana kmas salanmtr. Bu yntemde grntnn gradyent dzleminde, dk gradyent deerlerinin basklanmas salanarak, ksmi diferansiyel denklem zmyle yksek gradyent deerleri elde edilmitir. Sonuta elde edilen grnt, giri grntsne gre son derece net bir grntdr. Bu yntem siyah zemin zerinde, parlak ksm daha n plana alarak, ara gri deerleri basklamada etkilidir. Bu nedenle yntem kol, bacak gibi organlarn X-n grntlerine de uygulanabilir. Ancak yumuak doku grntlemede, kemik doku da varsa kullanm uygun deildir. rnein akcier X-n filmlerinde akcier blgesini tamamen siyah yapar. Hazrlanan GUIde bulunan filtreleme, kenar bulma, bltleme, grselletirme gibi seenekler istenirse daha da gelitirilebilir yapda dzenlenmitir ve grnt ileme dersinde kullanlabilir. Bilgisayar ortamnda, omurga bozukluklarnn deerlendirilebilmesine imkan salayan GUInin analiz ksm, kullancnn daha doru karar vermesini ve hesap ykn azaltarak zamandan tasarruf etmesini salar. Grnt ileme dersinin ierii, plan ve hedefleri de tez ierisinde detayl bir ekilde aktarlmtr. Ayrca grnt ileme ders ieriinin, farkl seviyelerdeki renci tipleri iin teori ve uygulama arlklarnn deitirilerek oluturulmas nerilmitir. leride, grnt ileme yntemlerine ek olarak, grntlerin ilendikten sonra, yapay sinir alar kullanlarak omurilik erilik derecesinin snflandrlmas zerine almalar yaplabilir.

88

KAYNAKLAR
[1] TIP 2000 Salk Platformu, Boyun Arlar,

http://www.tip2000.com/tedavi/servikalagri.htm, Eriim Tarihi: 24/01/2006

[2] stanbul Ar Merkezi, Anatomi, http://www.agritr.com/ general.asp?page=3_5

anatomi.asp, Eriim Tarihi: 24/01/2006

[3] Prof.Dr.Ali Kemal US, Kolumna Vertabralis Hastalklar, Ankara niversitesi

Tp Fakltesi Ortopedi ve Travmatoloji Anabilim Dal. Eriim Tarihi: 25/01/2006. http://www.medicine.ankara.edu.tr/surgical_medical/orthopaedics/turkish/kuvert.htm

[4] Prof.Dr.Ali Kemal US , Vertebra Krklar, Ankara nv.Tp Fak. Ortopedi ve

Travmatoloji Anabilim Dal,ttp://www.medicine.ankara.edu.tr/surgicalmedical/ orthopaedics/ turkish/kadro/kus/kuvert/ kirik.htm . Eriim Tarihi: 25/01/2006.

[5] http://www.iscoliosis.com/causes.html, Eriim Tarihi: 25/01/2006 [6] http://www.spineuniverse.com/displayarticle.php/article979.html, Eriim Tarihi: 25/01/2006 [7] Scoliosis Research Society, Three-Dimensional Terminology of Spinal Deformity,

http://www.srs.org/professionals/glossary/3-d.asp, 25/01/2006
[8] Michael L. Richardson, M.D. , Scoliosis, Unv. of Washington school of medicine,

http://www.rad.washington.edu/mskbook/scoliosis.html, Eriim Tarihi: 25/01/2006

[9] . Ecerkale, Postr Analizinde Symmetrigraf le Orthorntgenogram Sonularnn

Deerlendirilmesi, Uzmanlk Tezi, (2006)

[10] T.Akkaya, A.Alanay Konjenital Skolyoz, Hacettepe Ortopedi Dergisi,

Sy:89-94, 11/2/2001
[11] T.Akkaya, E. Acarolu, Adolesanlarda Sk Grlen Omurga Sorunlar ,

Sabem, (2005)
[12] Kas-skelet radyolojisinin temel prensipleri,

89

http://radyoloji.uludag.edu.tr/003.htm, Eriim Tarihi: 22.06.2006

[13] . Aydngz, Adolesanda Omurga Sorunlar, .. Cerrahpaa Tp Fakltesi

Srekli Tp Eitimi Etkinlikleri , Adolesan Sal, Sempozyum Dizisi: No: 43, sy. 125-133, (2005)
[14] J.P. Johnson, R. S. Pashman, C. Lauryssen, N.Anand, J.Regan, R. S. Bray, The

changing role for neurosurgeons and the treatment of spinal deformity , Neurosurg Spine: 233-242, (2005)
[15] . Uur, Pozitron Emisyon Tomografisi, XIII. TPOG Ulusal Pediatrik Kanser

Kongresi, s:55-58, (2004)

[16] P. Patias, E. Stylianidis , M. Pateraki , Y. Chrysanthou , C. Contozis , Th.

Zavitsanakis, 3D Digital Photogrammetric Reconstructions For Scoliosis Screening, ISPRS Commission V Symposium, Image Engineering and Vision Metrology, (2006)
[17] R. Robb, Biomedical Imaging: Past, Present and Predictions, Medical Imaging

Technology, vol: 24,no.1, 25-37, (2006)

[18] S. Angenent, E. Pichon, A. Tannenbaum, Mathematical Methods in Medical

Image Processing, Bulletin of the American Mathematical Society, vol.43, n.3,

(2006) [19] D.L. Pham, C. Xu, J.L. Prince, A Survey of Current Methods in Medical Image

Segmentation, in Annual Review of Biomedical Engineering, vol. 2, pp. 315337, (2000)

[20] R. P. Schlenk, , R. J. Kovalski, E. C. Benzel, Biomechanics of spinal deformity,

Neurosurg Focus 14 (1): 2, (2003)

[21] R. A. Davidson, Radiographic Contrast-Enhancement Masks in Digital

Radiography, University of South Australia, (2006)

[22] I. Pitas Anastasios N. Venetsanopoulos Nonlinear Digital Filters: Principles

and Applications, ISBN 0792390490, Publisher: Springer, (1990)

[23] Gonzalez R., Woods R., Eddins S. Digital Image Processing Using MATLAB,

Prentice Hall, 2nd Edition, (2004)

[24] Haralick, Robert M., and Linda G. Shapiro, Computer and Robot Vision,

Volume I, Addison-Wesley, (1992)

[25] I.T. Young,J.J. Gerbrands,L. J. V. Vliet , Fundamentals of Image Processing,

Delft University of Technology, ISBN 9075691017, (1998)

[26] M.Kass, A. Witkin, D. Terzopoulos, Snakes: Active contour models,

90

International Journal of Computer Vision, 1(4):321331. (1988).

[27] T. McInerney, D. Terzopoulos, Deformable Models in Medical Image Analysis:

A Survey, Medical Image Analysis, vol. 1, no 2, pp. 91108, (1996)

[28] C. McIntosh, G. Hamarneh, Genetic Algorithm Driven Statistically Deformed

Models for Medical Image Segmentation, GECCO06, (2006)

[29] D. Z. Seker, O. Eker, Aktif Kontur Modeller ve Dzey Kmesi Kullanarak

izgisel Detaylarn Yar Otomatik Olarak izilmesi, 10.Trkiye Harita Bilimsel ve Teknik kurultay, (2005)
[30] T. Chan, L. Vese, Active contours without edges, IEEE Trans. Image

Processing, 10(2):266277, (2001)

[31] A.Agrawal, R.Chellappa, R.Raskar, An Algebraic Approach to Surface

Reconstruction from Gradient Fields, ICCV, (2005)

[32] Hong Lin, Identification of Spinal Deformity Classification With Total Curvature

Analysis and Artificial Neural Network, IEEE Transactions on Biomedical Engineering, vol.55, no.1, January, (2008)
[33] P. Perona, J. Malik, Scale-Space and Edge Detection Using Anisotropic

Diffusion, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 12, Issue 7 , pp. 629-939, (1990)
[34] J. Song, H.R. Tizhoosh, Fuzzy Anisotropic Diffusion: A Rule-based Approach,

In Proceedings of the World Multi-conference on Systemics, Cybernetics and Informatics (SCI2003), vol. 4, pp. 241-246, (2003)
[35] T. Tasdizen, R. Whitaker, P. Burchard, S. Osher, Geometric Surface Smoothing

via Anisotropic Diffusion of Normals, VIS02 Proc. IEEE Visualization, pp. 125132, (2002)
[36] Y. Pan J. D. Birdwell, Seddik M. Djouadi Image Segmentation Using Curve

Evolution and Anisotropic Diffusion: An Integrated Approach, 7. IEEE ISM pp.387 394, (2005)
[37] S. K. Weeratunga, C. Kamath, A Comparison of PDE Based Non-linear

Anisotropic Diffusion Techniques for Image Denoising, Image Processing: Algorithms and System II, SPIE Electronic Imaging, (2003)
[38] M.J. Black, G. Sapiro, D.H. Marimont, David Heeger, Robust Anisotropic

Diffusion, IEEE Transactions On Image Processing, vol.7,(3), (1998)

[39] J.E.Lee, M.K.Chunk, A.L. Alexander, Evaluation Of Anisotropic Filters For

Diffusion Tensor Imaging , ISBI, IEEE , (2006) 91

[40] M.Demiralay, A.Y.amurcu, Cure, Agnes ve K-Means Algoritmalarndaki

Kmeleme Yeteneklerinin Karlatrlmas, T Fen Bilimleri Dergisi, Say:8, syf:1-18, (2005)

[41] P. Vuylsteke, E. Schoeters, Agfa-Gevaert N.V., Mortsel, B, Image Processing in

Computed Radiography, DGZfP Proceedings BB 67-CD, pp 87-101, (1999)

[42] X. Xu, D.J. Lee, S.Antani, and L. R.Long, A Spine X-ray Image Retrieval System

using Partial Shape Matching,

[43] A. Tezmol, H. Sari-Sarraf, S. Mitra, R. Long, "Customized Hough Transform for

Robust Segmentation of the Cervical Vertebrae from X-Ray Images," SSIAI2002, Proc. IEEE 1537, 224-228, (2002)
[44] G. Zamora, H. Sari-Sarraf, S. Mitra, R. Long, "Analysis of the Feasibility of Using

Active Shape Models for Segmentation of Gray Scale Images," Medical Imaging 2002: Image Processing, Proc. SPIE 4684, 1370-1381, (2002)
[45] H.Wangy, Y.Chenz, T.Fangz, Tyanz, N.Ahuja Gradient Adaptive Image

Restoration and Enhancement, ICIP06, (2006)

[46] A.Agrawal, R.Raskar, R.Chellappa, What is the Range of Surface Reconstructions

from a Gradient Field?, ECCV, (2006)

[47] . Kurtulu, Bilim ve Teknik, sy 70-74, Temmuz, (2000) [48] D.J. Lee, L.R. Long, G.R.Thoma, Evaluation of shape similarity measurement

methods for spine X-ray images, Journal of Visual Communication and Image Representation, 15, 285-302, (2004)
[49] G.Zamora, H. Sari-Sarraf, R. Long, Hierarchical Segmentation of Vertebrae from

X-ray Images, SPIE vol: 5032, pp. 631-642, (2003)

[50] P.P.Smyth, C.J. Taylor, J.E.Adams, Automatic Measurements of Vertebral Shape

Using Active Shape Models, IPMI, 441-446, (1997)

[51] http://ab.org.tr/ab07/bildiri/189.doc. Eriim Tarihi: 24/03/2008 [52] http://www.aritech.com.tr/pacs.asp. Eriim Tarihi: 24/03/2008 [53] http://www.gehealthcare.com/usen/xr/radio/products/advanceapps.html

Eriim Tarihi: 18/03/2008

[54] http://www.medical.siemens.com/webapp/wcs/stores/servlet/PSGenericDisplay~q_

catalogId~e_-1~a_catTree~e_100001~a_langId~e_a_pageId~e_67590~a_storeId~ e_10001.htm. Eriim Tarihi: 18/03/2008

[55] https://www.merge.com/EMEA/estore/content.aspx?pname=Merge%20Ortho

&returnUrl=&productID=118&contentTypeID=2. Eriim Tarihi: 25/03/2008 92

[56] http://www.orthocrat.com/HTML/ Procedures4.html. Eriim Tarihi: 25/03/2008 [57] http://www.cedara.com/pdf/i_softview_productsheet_orthotools_templates.pdf

Eriim Tarihi: 25/03/2008

[58] A.McAndrew, Teaching Image Processing Using Minimal Mathematics, Fifth

Australasian Computing Education Conference (ACE2003), (2003)

93

EK I GRSELLETRME AAMASI N

HAZIRLANAN YAZILIM
function createfigure(zdata1) %CREATEFIGURE(ZDATA1) % ZDATA1: surf zdata % Auto-generated by MATLAB on 03-Jan-2008 17:08:13 %% Create figure figure1 = figure(... 'Color',[0.235 0.235 0.235],... 'PaperPosition',[0.634 6.34 20 15.2],... 'PaperSize',[20.98 29.68],... 'PaperType','a4letter'); %% Create axes axes1 = axes(... 'CameraPosition',[208 425.4 9.005],... 'CameraUpVector',[-65.87 -245.8 0.1392],... 'Position',[0.01 0.01 0.98 0.98],... 'Parent',figure1); axis(axes1,[1 256 1 256 0 0.9922]); grid(axes1,'on'); hold(axes1,'all'); 94

colormap pink ; view( 170, 80 );axis off;axis tight; shading interp; lightangle(15,80 ); %% Create surf surf1 = surf(zdata1,... 'EdgeColor','interp',... 'FaceColor','texturemap',... 'LineStyle','none',... 'FaceLighting','gouraud',... 'BackFaceLighting','unlit',... 'AmbientStrength',0.5,... 'DiffuseStrength',0.8,... 'SpecularStrength',0.8,... 'SpecularExponent',25,... 'Parent',axes1); %% Create light light1 = light('Position',[11.55 -43.11 0.9848],'Parent',axes1);

95

ZGEM
Nesibe KORKMAZ, 1969 ylnda Ankarada dodu. lk, orta ve lise eitimini Ankarada tamamlad. Yldz niversitesi Kocaeli Mhendislik Fakltesi, Elektronik ve Haberleme Mhendislii Blmnden 1991 ylnda mezun oldu. Yksek lisansn Marmara niversitesi Fen Bilimleri Enstits Elektronik-Haberleme Eitimi Programnda tamamlad. Ayn programda doktora eitimine balad. Evli ve iki ocuk annesidir. Halen Marmara niversitesi Teknik Bilimler Meslek Yksekokulunda almaktadr.

96