Lung cancer is the most common and mortal type of cancer in the world and in our country. Therefore, radiologists are forced to examine a large number of chest computed tomography (CT). Besides the large number of CT images, lung nodules are too small and look like other lung structures such as vessels and bronchi in CT images. Therefore, examination time of a patients CT scan by a radiologist takes a long time. In this thesis, computer aided detection (CAD) systems have been developed to reduce examination time and fault rate of radiologists.Developed three CAD systems have same preprocessing phase which detects volume of interests. Each of three CAD systems extracts different type and number of features from the volume of the interests. CAD system A, extracts total 15 morphological, statistical and histogram features from volumes of interest. CAD system B extracts eight more surface statistical and histogram features. CAD system C extracts additional five surface texture features from the volumes of interest. CAD systems sends features matrix to classification phase.Patient groups has been created to measure performances of CAD systems. Four patient groups insists of 20, 40, 50, 100 patients for training and test. The CT images of patients were selected randomly from LIDC-IDRI database. Four different classification algortihms are used in experiments.CAD system C is the most succesful CAD according to results of experiments. CAD system C reachs 98,0% of sensitivity, 87,7% of selectivity, 90,1% of accuracy and 2,45 false positive per scan.

Akciğer kanseri tüm dünyada olduğu gibi ülkemizde de en sık rastlanan ve ölümle sonuçlanma oranı en yüksek olan kanser türüdür. Bu yüzden radyologlar hergün çok sayıda akciğer bilgisayarlı tomografisini incelemek zorunda kalmaktadırlar. Sayının çokluğunun yanı sıra nodüllerin çok küçük yapıda olmaları, damar, bronş gibi akciğer yapılarından ayırt edilmelerinin zorluğu gibi etkenler bir bilgisayarlı tomografi (BT) görüntüsünün inceleme süresinin çok uzun olmasına neden olmaktadır. Bu tez çalışmasında radyologların akciğer BT görüntülerini inceleme süresini kısaltacak ve hata oranını düşürecek bilgisayar destekli tespit (BDT) sistemleri geliştirilmiştir.Geliştirilen üç farklı BDT sisteminde BT görüntülerindeki nodül adayı olabilecek ilgi hacimlerini belirlemekte aynı önişleme aşaması kullanılmaktadır. BDT Sistemi A, ilgi hacimlerinden 15 adet yapısal, istatistiksel ve histogram özniteliği çıkartmaktadır. BDT Sistemi B bu 15 adet özniteliği ek olarak 8 adet ilgi hacmi dış yüzey istatistiksel ve histogram özniteliği çıkartmaktadır. İlgi hacimlerinden en çok öznitelik çıkaran BDT sistemi olan BDT Sistemi C ilgi hacimlerinden 23 özniteliğe ek olarak 5 adet dış yüzey doku özniteliği de çıkartmaktadır.Geliştirilen BDT sistemlerinin performansları LIDC-IDRI veri setinden rastgele olarak seçilen, 20, 40, 50, 100 hastadan oluşan dört farklı eğitim ve test grubuyla ölçülmüştür. Elde edilen sonuçlar çıkarılan öznitelikler, kullanılan sınıflandırma algoritmaları ve hasta grupları bakımından değerlendirilmiştir. BDT sistemlerinin sınıflandırma aşamasında dört farklı algoritma kullanılmıştır. Deney sonuçlarında ilgi hacimlerinin dış yüzey doku özniteliklerini de çıkartan BDT Sistemi C'nin en yüksek başarı oranlarına eriştiği görülmüştür. BDT Sistemi C, 100 hastalık grupta %98,0duyarlılık oranı sağlamıştır. Bu deneyde seçicilik %87,7, doğruluk %90,1 olurken hasta başına yanlış pozitif sayısı 2,45 olmuştur.