تصنيف وتحليل الصور الماخوذة للكلى باستخدام خواص النسيج == Classification and Analysis of Kidney Images Using Texture Properties
Author name:
ايناس حمادي حسن
Supervisor name:
علياء حسين علي
General topic:
Physics
Specific topic:
Image Processing
Degree:
Master
University:
University of Baghdad - College Of Science For Girls - Physics Department
Language:
English
University location:
Baghdad
First pages:
26T1804 - p.pdf
Abstract:
يهدف البحث الى الكشف المبكر وتشخيص الاورام وحصى الكلى من الصور المقطعية CT من خلال استخدام تقنيات برمجيات الحاسوب معالجة الصور الرقمية النظام المستخدم هو برنامج Matlab R2011a. تم استخدام 22 نموذج لخمس حالات من صور الكلى تتضمن الحالات السليمة, الحصى, الاورام (السرطانية), التكيس, والتليف الكلوي. واظهرت النتائج المستحصلة من النماذج القدرة على الكشف بين مختلف الاورام التي تصيب الكلى للحالات المبينة اعلاه. عمليات التقطيع التي استخدمت منها خوارزمية Thresholding التي تم تطبيقها على الصور المقطعية CT للكشف عن الانسجة غير السليمة (الورم والحصى) وفرزها وتميزها عن الاجزاء السليمة. طريقة اخرى استخدمت للتقطيع هي عملية التجزئة بطريقة Watershed segmentation لفصل الورم والحصوة من الكلى. كذلك تم حساب الخصائص النسيجية من مصفوفةLaw's) (Co - occurance, Local Binary, mask الى جانب الخصائص الهندسية لغرض الحصول على افضل نتائج. ان عمليات التصنيف بطريقة Unsupervised هيK - mean clustering استخدم هذا التطبيق على صور ال CT للكشف وتصنيف نوع الورم في الكلى, k - mean والتي تعتبر طريقة لفصل كل صنف على حدة اعتمادا على خصائص النسيج والمسافة بين كل صنف , واللون ان هذه الطريقة المستخدمة هي افضل من Watershed segmentation لانها فصلت وعزلت الاجزاء السليمة في اصناف وكذلك منطقة الورم باصناف لكل واحدة على حدة بصورة واضحة. ان حساب الخصائص الاحصائية للورم والحصوة التي يتم فصلها بواسطة mean clustering K - وحساب الخصائص الهندسية, لتحديد مساحة ومحيط الورم, مهمة جدا لتحديد نوع الورم وكذلك حساب اللاانتظامية التي تعطي مؤشرا حول شكل الورم او الحصوة. ان هذه الطرق تساعد الاطباء للكشف وتمييز الورم عن الحصى ومن ثم تسهيل العلاج من خلال مساعدة الطبيب والاشعاعي للتعرف على الاجزاء المتضررة من الكلى وحماية الاجزاء السليمة قدر الامكان من التعرض للاشعاع. اظهرت النتائج ان افضل الطرق المستخدمة للتجزئة وتحليل النسيج هي K - mean مع مصفوفة Co - occurrence لان K - mean يفصل الاجزاء السليمة ومناطق الضغط حول الورم والحصوة عن النسيج السليم. | The thesis aims to early detection and diagnose kidney tumors and kidney stone from Computed Tomography Scanning CT scan images through the use of computer and software technologies digital image processing, the system implemented in MATLAB R2011a. 22 samples has been used to five cases of kidney images including healthy, stones, tumors (cancer), cystic, and renal fibrosis. The results obtained shows that, the system are able to detecting between different tumors of the kidney the cases mentioned above. The segmentation processes that have been used which is the thresholding algorithm which has been applied on CT images are used to detect unhealthy tissues (tumor and stone). It's important for detoctors to determine the area of the tumor and stone to avoid damaging the healthy tissue during the treatment. Another way to segmentation process is the watershed which has been implemented to segmented the tumor and stone from the kidney. Also the textural process which are the Law's mask, Local Binary and Co - occurance matrix features are calculated beside the geometrical features to produce the best result of feature extraction and tumor predication. The unsupervised classification process which is the K - Mean clustering is used. The application of K - mean on CT images is to detect and classifying the type of tumor in the kidney, The K - mean clustering is a method of separating each class depending on the texture properties and the distance from each class and color, this method is best than watershed, it separated the healthy classes and the tumor classes from each other clearly. The statistical features are calculated for tumor and stone which are seperated by the k - mean cluster analysis process, the geometrical features, which represented the area and permiter is calculated for tumor. it's very important to estimate the irregularity which gives indication about the tumor and stone shape. These methods will enable the doctors to detect the tumor and the stone, then easing tretment, as well, it helps the radiologests to identify the affected parts of the kidney in order to prodect the normal parts as much as possible from exposure to radiation. The result shows, different methods are used for segmentation and texture analysis. But the best one is the k - mean's with co - occurrence matrix since, the k - mean's seperated the healthy classes and the tumor classes. So, it regarded as to be the best way to classify the tumor.
