Timpanik membran görüntü özellikleri kullanılarak sınıflandırılması

Abstract

Orta kulak inflamasyonu olarak bilinen otitis media rahatsızlığının teşhis edilmesi için otoskop cihazı ile zar bölgesine bakılarak karar verilmektedir. Dokusal özellik çıkarma algoritmaları, görüntüler üzerinde bölge tespiti ve görüntüye ait özelliklerin elde edilmesinde yaygın olarak kullanılmaktadır. Bu çalışmada gerekli yasal izinler alındıktan sonra elde edilen orta kulak görüntülerinde normal ve otitis media görüntülerinin ayırt edilmesi için literatürde yaygın olarak kullanılan gri seviyeli eş-oluşum matrisi, yerel ikili örüntüler, yönlü gradyanların histogram algoritmaları kullanılmıştır. Bu dokusal özellik çıkarma algoritmalarının görüntüleri sınıflandırma üzerinde başarıları incelendikten sonra her bir özellik setine görüntülere ait renk kanallarının ortalamaları da eklenerek bu özelliğin sınıflandırma başarısına etkisi incelenmiştir. Sonuç olarak tek başına bir dokusal özellik çıkarma algoritması kullanıldığında en iyi sonuçlar yerel ikili örüntü algoritması ile elde edilmiştir. Bu algoritmaya renk kanallarının ortalaması da eklendiği zaman sınıflandırma başarısını olumlu yönde etkilediği sonucuna varılmıştır. Sınıflandırma sonucunda % 78.67 doğruluk oranı elde edilmiştir.

In order to diagnose otitis media, known as middle ear inflammation, is made by looking at the membrane area with an otoscope device. Textural feature extraction algorithms are widely used to detect regions on images and to obtain image properties. In this study, gray-level co-occurance matrix, local binary patterns, histogram of oriented gradients, which are widely used in the literature, were used to distinguish normal and otitis media images in middle ear images obtained after obtaining the necessary legal permissions. After examining the success of these textural feature extraction algorithms on image classification, the averages of the color channels of the images were added to each feature set, and theeffect of this feature on the classification success was examined. As a result, when using a textural feature extraction algorithm alone, the best results were obtained with the local binary pattern algorithm. When the average of color channels is added to this algorithm, it is concluded that it affects the classification success positively. As a result of the classification, an accuracy rate of 78.67% was obtained.