Yıl: 2020 Cilt: 7 Sayı: 1 Sayfa Aralığı: 66 - 74 Metin Dili: İngilizce DOI: 10.5152/ArcHealthSciRes.2020.535808 İndeks Tarihi: 01-12-2020

Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples

Öz:
With the rapid development of technology, new methods and techniques have begun to provide many services. As these developments afford convenience in many ways, they have become an indispensable part of daily life. In addition, these developments have brought a different perspective to research and development activities. The healthcare sector has also been affected due to the use of new devices and methods. In particular, the development of information systems in digitalization and advancement in imaging technologies has paved the way for more frequent use of computer-based methods in healthcare. The most important advantages of these techniques are saving time and cost, creating new opportunities for diagnosis, and providing different opportunities in the treatment process. One of the methods used in healthcare services is the image processing technique, which is a method used in computer sciences. Image processing is defined as computer studies being carried out to obtain information from digital image data in a digital environment according to the targeted situation, which can be applied in many fields in healthcare services. In this research, relevant studies in the literature have been summarized to give an overview about image processing techniques, which have a wide application area from ophthalmology to radiology. For this purpose, contributions, challenges, and threats of image processing to healthcare services have been discussed and examples from the literature have been cited. Finally, some suggestions have been given after considering the studies in the literature and the technological changes that may occur in future.
Anahtar Kelime:

Sağlıkta Görüntü İşleme ve Analizi Avantajlar, Zorluklar, Tehditler ve Örnekler

Öz:
Teknolojinin hızla gelişmesiyle birlikte yeni birçok yöntem ve teknik insanlığın hizmetine sunulmaya başlamıştır. Bu gelişmeler yaşamın pek çok alanında kolaylıklar sağladığından, günlük hayatın vazgeçilmez bir parçası haline gelmiştir. Ayrıca bu gelişmeler, araştırma ve geliştirme faaliyetlerine de farklı bir bakış açısı kazandırmıştır. Sağlık sektörü de bu gelişmelerden oldukça etkilenmiş ve bu durum sağlık hizmetlerinde yeni cihaz ve yöntemlerin kullanılmasını sağlamıştır. Özellikle dijitalleşme ile gelen bilgi sistemlerindeki gelişme ve görüntüleme teknolojilerindeki ilerleme, bilgisayar temelli yöntemlerin sağlık hizmetlerinde daha sık kullanımının önünü açmıştır. Bu tekniklerin en önemli özellikleri ise zaman ve maliyet tasarrufu sağlama, teşhis koymak için yeni fırsatlar yaratma ve tedavilerde farklı fırsatlar sunma olarak özetlenebilir. Sağlık hizmetlerinde kullanılmaya başlanan bu yöntemlerden biri bilgisayar bilimlerinde kullanılan yöntemlerden olan görüntü işleme tekniğidir. Dijital ortamda bulunan sayısal görüntü verilerinden hedeflenen duruma uygun şekilde bilgi almak için yapılan bilgisayar çalışmaları olarak tanımlanan görüntü işleme, sağlık hizmetlerinde birçok konuda uygulanabilen bir tekniktir. Bu çalışmada, göz hastalıklarından radyolojiye kadar birçok alanda kullanılan görüntü işleme tekniği ile yapılan çalışmalara genel bir bakış açışı ortaya koymak amaçlanmıştır. Bu amaçla literatürdeki çalışmalar özetlenmiş, görüntü işlemenin sağlık hizmetlerine olan katkıları, zorlukları ve tehditleri tartışılmış ve literatürden uygulamaya ilişkin örnekler verilmiştir. Çalışma sonucunda literatürde yapılan çalışmalar ve gelecekte ortaya çıkabilecek teknolojik değişimler göz önünde bulundurularak öneriler getirilmiştir.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Derleme Erişim Türü: Erişime Açık
  • 1. Kumar GA, Nistala V, Murthy ES. Analysis of Medical Image Processing and Its Applications in Healthcare Industry. Int J Comput Technol Appl 2014; 5: 851-60.
  • 2. Zikos M, Kaldoudi E, Orphanoudakis S. Medical Image Processing. Stud Health Technol Inf 1997; 43: 465-9.
  • 3. Osmanoğlu UÖ. Görüntü İşleme ve Analizinin Tıpta Kullanımı ve Bir Uygulama. [Yüksek Lisans Tezi]. Eskişehir Osmangazi Üniversitesi Sağlık Bilimleri Enstitüsü Biyoistatistik Anabilim Dalı, Eskişehir, Türkiye. 2016.
  • 4. Yasrib A, Suhaimi MA. Image Processing in Medical Applications. Journal of Information Technology Impact 2003; 3: 63-8.
  • 5. Solak S, Altınışık U. Görüntü İşleme Teknikleri ve Kümeleme Yöntemleri Kullanılarak Fındık Meyvesinin Tespit ve Sınıflandırılması. Sakarya University Journal of Science 2018; 22: 56-65. [CrossRef]
  • 6. Esmeray F. Açık Kaynak Kodlu Görüntü İşleme Uygulamaları. [Yüksek Lisans Tezi]. Fırat Üniversitesi Fen Bilimleri Enstitüsü Elektronik ve Bilgisayar Eğitimi, Elazığ, Türkiye. 2014.
  • 7. Yaman K, Sarucan A, Atak M, Aktürk N. Dinamik Çizelgeleme İçin Görüntü İşleme ve Arıma Modelleri Yardımıyla Veri Hazırlama. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi 2001; 16: 19-40.
  • 8. Deserno TM. Fundamentals of Biomedical Image Processing. In Biomedical Image Processing 2010: 1-51. [CrossRef]
  • 9. Dipova N. Görüntü Analizi Yöntemlerinin Geoteknik Mühendisliğinde Kullanımı. Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2018; 9: 33-44. [CrossRef]
  • 10. Chitradevi B, Srimathi P. An Overview on Image Processing Techniques. International Journal of Innovative Research in Computer 2014; 2: 6466-72.
  • 11. Çelik E. Görüntü İşlemeye Dayalı Avuç İçi İzinin Yapay Sinir Ağı ile Tanınması. [Yüksek Lisans Tezi]. Marmara Üniversitesi Fen Bilimleri Enstitüsü Elektronik-Bilgisayar Eğitimi Anabilim Dalı, İstanbul, Türkiye. 2014.
  • 12. Sabuncu A, Sunar F. Ortofotolar ile Nesne Tabanlı Görüntü Sınıflandırma Uygulaması: Van-Erciş Depremi Örneği. Doğal Afetler ve Çevre Dergisi 2017; 3: 1-8. [CrossRef]
  • 13. Karhan M, Oktay MO, Karhan Z, Demir, H. Morfolojik Görüntü İşleme Yöntemleri İle Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti. In 6 th International Advanced Technologies Symposium (IATS’11), Elâzığ, Türkiye. 2011; 172-6.
  • 14. Karakoç M. Görüntü İşleme Teknikleri ve Yapay Zekâ Yöntemleri Kullanarak Görüntü İçinde Görüntü Arama. [Yüksek Lisans Tezi]. Pamukkale Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği A.B.D., Denizli, Türkiye. 2011.
  • 15. Mijwel MM. History of Artificial Intelligence. Computer Science, College of Science. 2015: 1-6.
  • 16. Kayaalp K, Süzen AA. Derin Öğrenme ve Türkiye’deki Uygulamaları. Institution of Economic Development and Social Researches Publications. 2018.
  • 17. Torkul O, Gülseçen S, Uyaroğlu Y, Çağıl G, Uçar KM. Mühendislikte Yapay Zekâ ve Uygulamaları. Sakarya Üniversitesi Kütüphanesi Yayınevi. 2017.
  • 18. Raynor WJ. The International Dictionary of Artificial Intelligence. Glenlake Publishing Company. 1999.
  • 19. NVIDIA Developer. (Erişim tarihi: 05.01.2019). Erişim adresi: https://developer.nvidia.com/deep-learning.
  • 20. Razzak MI, Naz S, Zaib A. Deep Learning for Medical Image Processing: Overview, Challenges and the Future. In Classification in BioApps. Springer, Cham 2018; 323-50. [CrossRef]
  • 21. Matthies M, Malchow H, Kriz J. Vision as Computation, or: Does A Computer Vision System Really Assign Meaning to Images? Informatik. Uni-Leipzig. De. 2001; 1-12.
  • 22. Uğur A. 2013. Görüntü İşlemeye Giriş Introduction to Image Processing. (Erişim Tarihi: 10.11.2018). Erişim adresi: http://yzgrafik.ege.edu.tr/~ugur/12_13_Spring/CI/ImageProcessing.pdf
  • 23. Parah SA, Sheikh JA, Ahad F, Loan NA, Bhat GM. Information Hiding in Medical Images: A Robust Medical Image Watermarking System For E-Healthcare. Multimedia Tools and Applications 2017; 76: 10599-633. [CrossRef]
  • 24. Pandit H, Shah DM. Application of Digital Image Processing and analysis in healthcare based on Medical Palmistry. In International Conference on Intelligent Systems and Data Processing (ICISD) 2011; 56-9.
  • 25. Bulsara V, Bothra S, Sharma P, Rao KMM. Low Cost Medical Image Processing System for Rural/Semi Urban Healthcare. In Recent Advances in Intelligent Computational Systems (RAICS) 2011; 724-8. [CrossRef]
  • 26. Scholl I, Aach T, Deserno TM, Kuhlen T. Challenges of Medical Image Processing. Computer Science-Research and Development 2011; 26: 5-13. [CrossRef]
  • 27. Rueckert D, Glocker B, Kainz B. Learning Clinically Useful Information from Images: Past. Present and Future 2016; 13: 13-8. [CrossRef]
  • 28. Ahad MAR, Kobashi S, Tavares JMR. Advancements of Image Processing and Vision in Healthcare. J Healthc Eng 2018; 2018: 8458024 [CrossRef]
  • 29. Kumar A, Shaik F. Image Processing in Diabetic Related Causes. Springer 2015. [CrossRef]
  • 30. Gulo CA, Sementille AC, Tavares JMR. Techniques of Medical Image Processing and Analysis Accelerated by High-Performance Computing: A Systematic Literature Review. Journal of Real-Time Image Processing 2017; 1-18. [CrossRef]
  • 31. Robb R. Biomedical Imaging: Past, Present and Predictions. Medical Imaging Technology 2006; 24: 25.
  • 32. Thirumaran DJ, Shylaja S. Medical Image Processing-An Introduction. International Journal of Science and Research 2015; 4. [CrossRef]
  • 33. Weese J, Lorenz C. Four challenges in medical image analysis from an industrial perspective. Medical Image Analysis 2016; 33: 44-9. [CrossRef]
  • 34. Wells WM. Medical Image Analysis-Past, Present, And Future. Medical Image Analysis 2016; 33: 4-6. [CrossRef]
  • 35. Frangi AF, Taylor ZA, Gooya A. Precision Imaging: More Descriptive, Predictive and Integrative Imaging. Medical Image Analysis 2016; 100: 27-32. [CrossRef]
  • 36. Alexander A, McGill M, Tarasova A, Ferreira C, Zurkiya D. Scanning the Future of Medical Imaging. Journal of the American College of Radiology 2019; 16: 501-7. [CrossRef]
  • 37. Babaoğlu İ, Yıldız F, Çapar M, Alp L. Dijital Görüntü İşleme Teknikleri Kullanılarak Sperm Sayımında Yeni Bir Yaklaşım. Fırat Tıp Dergisi 2007; 12: 290-3.
  • 38. Bilge HŞ, Verim V. Ultrason Görüntülerinde Prostat Sınırının Bulunması. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi 2007; 22: 407-13.
  • 39. Şengür A, Türkoğlu İ, İnce MC. Endoskopik Görüntülerin Değerlendirilmesinde Görüntü İşleme Temelli Akıllı Bir Karar Destek Sistemi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi 2009; 15: 33-42.
  • 40. Gupta A, Gosain B, Kaushal S. A Comparison of Two Algorithms for Automated Stone Detection in Clinical B-Mode Ultrasound Images of The Abdomen. Journal of Clinical Monitoring and Computing 2010; 24: 341-62. [CrossRef]
  • 41. Jafari M, Shafaghi R. A Hybrid Approach for Automatic Tumor Detection of Brain MRI Using Support Vector Machine and Genetic Algorithm. Global Journal of Science, Engineering and Technology 2012; 3: 1-8.
  • 42. Göreke V, Uzunhisarcıklı E, Güven A. Gri Seviyeli Eşoluşum Matrisleri Kullanılarak Sayısal Mamogram Görüntüsünden Doku Özniteliklerinin Çıkarılması ve Yapay Sinir Ağı ile Kitle Tespiti. Tıp Teknolojileri Ulusal Kongresi-TıpTekno’14. 2014.
  • 43. Murthy TD, Sadashivappa G. Brain Tumor Segmentation Using Thresholding, Morphological Operations and Extraction of Features of Tumor. In Advances in Electronics, Computers and Communications (ICAECC), 2014 International Conference. 2014; 1-6. [CrossRef]
  • 44. Çağlayan M, Birant BÇD, Yıldırım P. Mobil Uygulama ile Görüntü İşleme ve Veri Madenciliği Tekniklerine Dayalı Melanom Tahmin Desteği Sağlanması. In Innovations and Applications in Intelligent Systems Symposium (ASYU). 2014.
  • 45. Tuncer SA, Alkan A. Android İşletim Sistemli Mobil Cihazlarda Abdominal Görüntü Bölütleme. In 2014 IEEE 22nd Signal Processing and Communications Applications Conference (SIU 2014). 2014; 806-9.
  • 46. Onar B, Bayındır Mİ, Bilgili H, Erkurt MA, Yakıncı C, Yakıncı ME. Kan Pıhtılaşmasının Görüntü İşleme Yöntemiyle Haritalandırılması. Tıp Teknolojileri Ulusal Kongresi-TıpTekno’15. 2015.
  • 47. Tanyıldızı E, Okur S. Retina Görüntülerindeki Kan Damarlarının Belirlenmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi 2016; 28: 15-22.
  • 48. Cura ÖK, Şahin S, Akan A. (2017, October). Lesion detection from the mammography image using the Vision Development Module. In Medical Technologies National Congress (TIPTEKNO). 2017; 1-4. [CrossRef]
  • 49. Kaya A, Keçeli AS, Can, AB. Investigation of transfer learning on pulmonary nodule characteristics. In: 2017 25th Signal Processing and Communications Applications Conference (SIU). IEEE, 2017. p. 1-4. [CrossRef]
  • 50. About the Cancer Imaging Archive (TCIA). (Erişim tarihi: 10.07.2019). Erişim adresi: https://www.cancerimagingarchive.net/about-the-cancer-imaging-archive-tcia/.
  • 51. About CIP. (Erişim tarihi: 11.07.2019). Erişim adresi: https://imaging.cancer.gov/about_cip/default.htm.
  • 52. (Erişim tarihi: 11.07.2019). Erişim adresi: https://www.pennmedicine.org/departments-and-centers/department-of-radiology/radiology-research/labs-and-centers/biomedical-imaging-informatics/medical-image-processing-group.
  • 53. Penn Radiology The Medical Image Processing Group (MIPG). (Erişim tarihi: 10.07.2019). Erişim adresi: https://www.med.nagoya-u.ac.jp/medical_E/laboratory/.
  • 54. ITK-SNAP. (Erişim tarihi: 10.07.2019). Erişim adresi: http://www.itksnap.org/pmwiki/pmwiki.php.
  • 55. Cuadros J, Bresnick G. EyePACS: an adaptable telemedicine system for diabetic retinopathy screening. Journal of Diabetes Science and Technology 2009; 3: 509-16. [CrossRef]
  • 56. The EyePACS. (Erişim tarihi: 17.07.2019). Erişim adresi: http://www.eyepacs.com/why-eyepacs#history.
  • 57. Alma About Us. (Erişim tarihi: 12.07.2019). Erişim adresi: https://alma-medical.com/en/about-us/.
  • 58. PhenoMx About Us. (Erişim tarihi: 14.07.2019). Erişim adresi: https://www.phenomx.co/.
  • 59. MIAC About Us. (Erişim tarihi: 15.07.2019). Erişim adresi: https://miac.swiss/en/#about-us.
  • 60. Brainance MD. (Erişim tarihi: 14.07.2019). Erişim adresi: https://advantis.io/md.
  • 61. Icometrix. (Erişim tarihi: 15.07.2019). Erişim adresi: https://www.icometrix.com/.
  • 62. Mint Medical About Us. (Erişim tarihi: 20.07.2019). Erişim adresi: https://mint-medical.com/the-company/about-us/.
  • 63. PureWeb - ResolutionMD (Erişim tarihi: 01.07.2019). Erişim adresi: https://www.pureweb.com/resolutionmd.
  • 64. Yeni Nesil Görüntüleme Teknolojilerinde GE ve Intel Ortaklığı. (Erişim tarihi: 01.07.2019). Erişim adresi: https://geturkiyeblog.com/yeni-nesil-goruntuleme-teknolojilerinde-ge-ve-intel-ortakligi/.
  • 65. Pinto About. (Erişim tarihi: 05.07.2019). Erişim adresi: https://pinto.co/about.
  • 66. The picture of health. (Erişim tarihi: 26.07.2019). Erişim adresi: https://www.jwtintelligence.com/2018/09/the-picture-of-health/.
  • 67. Calorie Mama. (Erişim tarihi: 21.07.2019). Erişim adresi: http://www.caloriemama.ai/.
  • 68. About Biomedisa. (Erişim tarihi: 11.07.2019). Erişim adresi: https://biomedisa.de/.
  • 69. Triton Sponge. (Erişim tarihi: 14.07.2019). Erişim adresi: https://apps.apple.com/us/app/triton-sponge/id1156546367.
  • 70. Radiology Apps. (Erişim tarihi: 15.07.2019). Erişim adresi: https://www.radiologytoday.net/archive/rt0915p16.shtml.
  • 71. MİA Teknoloji Ar-Ge. (Erişim tarihi: 12.07.2019). Erişim adresi: http://www.miateknoloji.com.tr/ar-ge.
  • 72. (Erişim tarihi: 11.07.2019). Erişim adresi: http://www.hurriyet.com.tr/ekonomi/ikizlerden-goz-icadi-41116225.
  • 73. (Erişim tarihi: 11.07.2019). Erişim adresi: https://www.bayer.com.tr/tr/medya/basin-bultenleri/bayer-girisim-hizlandirma-program.php.
  • 74. İkizlerden göz icadı. (Erişim tarihi: 09.07.2019). Erişim adresi: https://www.ultralabltd.com/?lang=tr.
  • 75. Argenit Hakkımızda. (Erişim tarihi: 02.07.2019). Erişim adresi: https://www.argenit.com.tr/about-us.php.
APA İnce Ö, Senel I, YILMAZ F (2020). Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. , 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
Chicago İnce Özgür,Senel Ilhan Kerem,YILMAZ FARUK Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. (2020): 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
MLA İnce Özgür,Senel Ilhan Kerem,YILMAZ FARUK Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. , 2020, ss.66 - 74. 10.5152/ArcHealthSciRes.2020.535808
AMA İnce Ö,Senel I,YILMAZ F Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. . 2020; 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
Vancouver İnce Ö,Senel I,YILMAZ F Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. . 2020; 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
IEEE İnce Ö,Senel I,YILMAZ F "Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples." , ss.66 - 74, 2020. 10.5152/ArcHealthSciRes.2020.535808
ISNAD İnce, Özgür vd. "Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples". (2020), 66-74. https://doi.org/10.5152/ArcHealthSciRes.2020.535808
APA İnce Ö, Senel I, YILMAZ F (2020). Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. Archives of health science and research (Online), 7(1), 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
Chicago İnce Özgür,Senel Ilhan Kerem,YILMAZ FARUK Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. Archives of health science and research (Online) 7, no.1 (2020): 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
MLA İnce Özgür,Senel Ilhan Kerem,YILMAZ FARUK Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. Archives of health science and research (Online), vol.7, no.1, 2020, ss.66 - 74. 10.5152/ArcHealthSciRes.2020.535808
AMA İnce Ö,Senel I,YILMAZ F Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. Archives of health science and research (Online). 2020; 7(1): 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
Vancouver İnce Ö,Senel I,YILMAZ F Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples. Archives of health science and research (Online). 2020; 7(1): 66 - 74. 10.5152/ArcHealthSciRes.2020.535808
IEEE İnce Ö,Senel I,YILMAZ F "Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples." Archives of health science and research (Online), 7, ss.66 - 74, 2020. 10.5152/ArcHealthSciRes.2020.535808
ISNAD İnce, Özgür vd. "Image Processing and Analysis in Health: Advantages, Challenges, Threats and Examples". Archives of health science and research (Online) 7/1 (2020), 66-74. https://doi.org/10.5152/ArcHealthSciRes.2020.535808