Ultrasonografik tiroid tümör görüntülerinin desen analiz yöntemleri kullanılarak tırads kategorilerine göre sınıflandırılması

Abstract

Tıbbi görüntülemede tiroid tümörleri sık rastlanan bulgulardan biridir. Bu tümörlerin biyolojik davranışlarını öngörmek için birçok teknik veya yönteme başvurulmaktadır. Medikal görüntüleme yöntemlerinden ultrasonografi, ince iğne biyopsisi ve belirli aralıklarla uygulanan kontroller ile hastalarda gözlemlenen tiroid tümörlerinin iyi veya kötü huylu olduğu belirlenir. Bu işlemlerin uzman hekimlere ilave iş yükü getirmesinin yanı sıra, hastaların ve hekimlerin fazladan zamanını almaktadır. Önceki çalışmalarda tiroid tümörlerinin yüksek oranda iyi huylu çıktığının gözlemlenmesi sonucunda, iş yükünün hafifletilmesi ve hekimler arası iletişimin arttırılması amacıyla tiroid tümörlerinin karakterizasyonu için birkaç risk sınıflandırma sistemi yaratılmıştır. Çeşitli tipleri olan bu risk sınıflandırma sistemlerinden ACR-TIRADS hem uzman hekimler arasında görüş farklılıklarına sebep olabilmekte, hem de fazla parametre incelendiği için zaman kaybına yol açabilmektedir. Bu nedenle, hem hekimlerin görüş farklılıklarını hem de zaman kaybı ile iş yükünü azaltabilecek bir sistem üzerinde çalışılmıştır. Bu çalışma sırasında tiroid tümörleri desen analizi yöntemleri ve sınıflandırma algoritmaları ile TIRADS başlıklarına göre sınıflandırılmaya çalışılmıştır. Tez çalışmasında, doğruluk oranı %94.7'e, duyarlılık oranı %94.5'e, özgüllük oranı %95.4'e ve kesinlik oranı %96.8'e varan sonuçlar elde edilmiştir.

Thyroid tumors are constanly encountered with using medical imaging techniques or processes. Ultrasonography, fine needle aspiration and routine controls on patients are most used methods to determine, thyroid tumor is benign or malign. Three techinques which are mentoined increments doctors work load and consumes time of doctors and patients. From previous research, majority of thyroid tumors are benign and to reduce work load, there is a risk stratification system which is called TIRADS. There are many types of TIRADS risk system and American College of Radiology Thyroid Imaging and Reporting Data System (ACR-TIRADS) is one of them. However, drawback of this risk strafication system is being subjective which creates subjective judgement about tumor and while doctors classifying tumors, they need to examine multiple features to obtain TIRADS class so that is time wasting. In this study, we worked on thyroid tumors with texture anaylsis and classification algorithms to take off doctors work load and help them to achieve more relevant clinical diagnosis. As the results of this study we achieved accuracy up to %94.7, sensitivity up to %94.5, specificity up to %95.4 and precision up to %96.8 respectively.