Bu çalışmada, yapay US görüntüsü iki yeni artımsal yapay sinir ağı (ArÖz ve GArÖz) kullanılarak bölütlenmiştir. Öznitelik vektör elemanları, iki boyutlu ayrık kosinüs dönüşümü (2B-AKD) uygulanarak sadece alçak frekansları temsil eden katsayıların alınması (4x4 benek büyüklüğündeki pencereler) sonucunda oluşturulmuştur. Böylece hem öznitelik vektör boyutu azalmış hem de görüntüde var olan gürültülerin etkisi azaltılmıştır. Artımsal öz-düzenlemeli (ArÖz) ağın düğüm sayısı, eğitim sırasında ihtiyaca göre otomatik olarak belirlenmektedir. Ağın eğitiminden önce belirlenen eşikdeğeri (E_D) düğüm sayısını kontrol etmektedir. Ağın en iyi düğümlerini belirlemek için sıkıştırma temelli bir yöntem geliştirilmiştir. Ağın eğitimi tamamlandıktan ve düğümler belirlenip etiketlendikten sonra, hem bölütleme işlemi hem de sıkıştırma işlemi paralel olarak gerçekleştirilmektedir. Ağ tarafından üretilen tüm düğümlerin ağırlıkları ve etiketleri kod sözcüğünü oluşturmak için kullanılmaktadır. Genetik algoritmalar ile eğitilen artımsal öz-düzenlemeli (GArÖz) ağ, US görüntülerindeki karmaşık doku dağılımını en iyi temsil edecek düğümleri bulmakta ve düğüm sayısını azaltmaktadır. Genetik havuzun derinliği 20 dizi olarak seçilmiş ve eğitim kümesinden rasgele alınan vektörler ile genetik havuz oluşturulmuştur. Ağın eğitiminde kullanılan uyumluluk fonksiyonu, aday düğüm ile temsil edilen vektörlerin hatasını en aza indirgeyerek yeni aday düğümün eğitim kümesinden en fazla vektörü temsil etmesine olanak sağlamaktadır. Her iki ağın yapay kist görüntüsünü bölütleme başarımları karşılaştırmalı olarak incelenmiştir. GArÖz ağının daha az düğüm kullanarak daha yüksek başarımlar verdiği gözlenmiştir.

Anahtar Kelimeler: Görüntü bölütleme, ultrason, artımsal yapay sinir ağı, genetik algoritmalar.