Detecting lesions in MRI brain images combining pseudo-color segmentation with fuzzy C-Means clustering

Abstract

ABSTRACT: As biomedical image analysis has been improved over the last decades, the widespread advancement of detection/estimation approaches has aided the rapid development of new technologies for monitoring and diagnosis, as well as, treatment of patients. Image segmentation plays a substantial role as part of the preprocessing in various biomedical applications. The segmentation technique is widely used by the radiologists to interpret the input medical image into meaningful data to be used for the extraction of the required features for further processing. Clustering as one of the widely used image segmentation techniques, which can be used in numerous biomedical applications, such as quantification of tissue volumes, diagnosis, study of anatomical structure, and computer-integrated surgery. There is a vast variety of imaging tools such as Magnetic Resonance Imaging (MRI), Computed Tomography (CT), Positron Emission Tomography (PET) and ultra sound in which the segmentation can be utilized. In this thesis we propose a new approach for tumor detection in magnetic resonance imaging (MRI) brain images, which is utilized by using pseudo-color based segmentation with Fuzzy C-Means clustering (FCM) method. The key idea of pseudo-colored segmentation method with FCM is to segment the given MRI image by converting the prior gray-scale image into a pseudo-colored image and then identify the tumor tissue by using proposed clustering algorithm FCM. The proposed method contains an efficient clustering scheme which can be used in MRI applications. The application of this method in tumor detection and segmentation could assist pathologist to recognize tumor size and region successfully. The results obtained by the proposed FCM based approach are very competitive and better in most cases in comparison with the K-Means clustering method, which is one of the important approaches available in the literature for the same problem. FCM based system outperforms the K-Means based system with respect to final segmentation performance evaluated by sensitivity, precision, SSIM, PSNR and segmentation accuracy metrics. The superiority of the FCM based system over the K-Means based system has been verified with the obtained results. Keywords: Image segmentation, Clustering, K-Means, FCM, medical image processing, brain tumor detection, MRI analysis.

………………………………………………………………………………………………………………………… ÖZ: Biyomedikal imge analizi son on yıl içinde gelişme kaydetmiş ve algılama/kestirim yaklaşımlarında yaygın ilerleme sağlayarak hasta izleme ve tanı yanı sıra, hastaların tedavisi için de yeni teknolojilerin hızla gelişmesine destek vermiştir. Görüntü bölütleme çeşitli biyomedikal uygulamalarda ön işlem süreçi olarak önemli bir rol oynamaktadır. Bölütleme tekniği yaygın olarak radyologlar tarafından medikal girdi imgelerinden anlamlı veri çıkarımı ve yorum yapabilme amacıyla kullanılmakta ve çıkarımı yapılan verilere daha sonraki süreçlerde gereksinim duyulmaktadır. Kümeleme birçok biyomedikal uygulamalarda yaygın olarak kullanılabilen bir görüntü bölütleme tekniği olarak değerlendirilebilir. Bahse konu uygulamalar arasında doku hacmi niceleme, tanı koyma, anatomik yapı değerlendirme, ve bilgisayar destekli cerrahi sayılabilir. Ayrıca, Manyetik Resonans görüntüleme (MRI), Bilgisayarlı Tomografi (CT), Pozitron Emisyon Tomografi (PET) ve ultra ses görüntüleme gibi çok çeşitli araçlarda bölütleme uygulamaları kullanılmaktadır. Bu tezde, bulanık c-ortalama (FCM) kümeleme ile sözde-renkli bölütleme yöntemlerini kullanan manyetik rezonans görüntüleme (MRI) tabanlı beyin görüntülerinde tümör tespiti gerçekleştirebilen yeni bir yaklaşım öneriyoruz. FCM ile sözde-renkli bölümleme yöntemlerini kullanmadaki en önemli ve anahtar fikir eldeki gri-tonlu MRI girdi imgesinin sözde-renkli bir imgeye dörüştürüldükten sonra önerilen FCM kümeleme algoritması yordamı ile tümör dokusunun belirlenmesi ve bölütlenmesidir. Önerilen yöntem, MRI uygulamalarında rahatlıkla kullanılabilecek önemli bir yaklaşımdır. Bu tümör tespit ve bölütleme yönteminin uygulanması patologlara başarılı bir şekilde tümör boyutu ve bölgesinin balirlenmesinde yardımcı olabilir. Önerilen FCM dayalı bir yaklaşım ile elde edilen sonuçlar, literatürde mevcut olan önemli yaklaşımlardan biri olan K-ortalama yöntemi ile karşılaştırıldığında pek çok durumda daha rekabetçi ve başarılı sonuçlar elde edilmiştir. FCM tabanlı sistem ile K-ortalama tabanlı sistem ile sonuçta elde edilen bölütleme performasları duyarlılık, hassasiyet, SSIM, PSNR ve belütleme doğruluğu metrikleri bağlamında karşılaştırılmış ve FCM tabanlı sistemin üstünlüğü doğrulanmıştır. Anahtar Kelimeler: Görüntü bölütleme, kümeleme, K-Araçları, FCM, tıbbi görüntü işleme, beyin tümörü tespit, MRI analizi.