Yanık Görüntülerinin Bulanık Kümelenmesinde Uzaklık Ölçülerinin Başarımlarının Değerlendirilmesi


Akbaş Y., Berber T.

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, cilt.22, sa.65, ss.639-647, 2020 (Hakemli Dergi)

Özet

Dünya Sağlık Örgütü yanık nedeni ile gerçekleşen ölümlerin sayısını yaklaşık 265.000 olarak belirlemiştir. Bu sayı, yanık tedavisinin ne denli önemli olduğunu gözler önüne sermektedir. Yanık / normal cilt bölgesi, yanık tedavisinin planlanmasında saptanması gereken en önemli parametrelerden biridir.

Bu çalışmada, Karadeniz Teknik Üniversitesi Tıp Fakültesi Farabi Hastanesi yanık ünitesinin yanık yarası veri setinden 10 görüntü seçilmiş ve bu görüntülere yanık / normal cildi belirlemek için bulanık kümeleme yöntemi kullanılmıştır. Görüntü kümeleme yöntemlerinde en sık kullanılan uzaklık ölçüsü Öklid uzaklığı olmasına rağmen, bu çalışmada farklı uzaklık ölçülerinin yanık görüntülerinin kümelenmesi üzerindeki etkilerini incelenmiştir. Farklı küme sayıları için C = [2, 20] Bulanık C ortalama yaklaşımında kullanılacak Öklid, Manhattan, Jaccard, Kosinüs, Chebyshev, Minkowski uzaklık ölçülerinin kümeleme başarımları incelenmiştir. Uzaklık ölçülerinin performansları PBMF, Bölme Katsayısı, Bağlılık ve Ayrılık geçerlilik indeksleri ile değerlendirilmesi sonucunda en iyi kümelemeye, Kosinüs uzaklık ölçüsü ve 8 küme sayısı ile ulaşılmıştır.

The World Health Organization determined the annual number of deaths caused by burn is approximately 265,000. This number clearly reveals the importance of burn wound diagnosis. Determining the burn/normal skin region is the one of the most important parameters which are needed to be determined in the planning of burn wound treatment.

In this study, fuzzy clustering method have been used to determine the burn / normal skin. We selected 40 images, from the burn wound image dataset of the burn unit of the Karadeniz Technical University Faculty of Medicine Farabi Hospital. Although Euclidean distance is the most commonly used distance metric in image clustering methods, we examined the effects of different distance metrics on the clustering of burn wounds, in this study. We have evaluated the clustering performance of Euclidean, Mahattan, Jaccard, Cosine, Chebyshev, Minkowski distance metrics.We measured the performance of the distance metrics in terms of PBMF, Partition Coefficient, Cohesion and Separation validity indexes. As a result, we found that the Cosine distance metric gives the best result with 3 clusters.