Ön işleme uygulanan sefalometrik radyografilerden transfer öğrenme ile büyüme gelişim evresi tespiti
Determination of growth and development stage using transfer learning from preprocessed cephalometric radiographs
- Tez No: 1015378
- Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL UZBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Sefalometri, Sınıflandırma, Deep learning, Cephalometry, Classification
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Servikal vertebral büyüme, bireyin iskelet olgunlaşma süreciyle paralel olarak servikal vertebraların şekil, boyut ve morfolojik özelliklerinde zamanla meydana gelen yapısal değişiklikleri ifade eder. Bu tez çalışmasında, lateral sefalometrik radyografiler kullanılarak servikal vertebral büyüme aşamalarının otomatik olarak sınıflandırılmasına yönelik derin öğrenme tabanlı bir çerçeve sunulmuştur. Toplam 750 sefalometrik görüntüden oluşan bir veri seti oluşturulmuş ve her bir görüntü, servikal vertebral bölgenin (C1–C6) izole edilmesi amacıyla uzman kontrolünde manuel olarak kırpılmıştır. Görüntüler, ergenlik öncesi (C1-C2), ergenlik dönemi (C3-C4) ve ergenlik sonrası (C5-C6) olmak üzere üç sınıfa ayrılmıştır. Görüntü kalitesinin artırılmak ve ayırt edici özellikleri daha etkin biçimde temsil etmek amacıyla model eğitimi öncesinde farklı ön işleme teknikleri uygulanmıştır. Görüntü geliştirme aşamasında Kontrast Sınırlı Uyarlamalı Histogram Eşitleme (Contrast Limited Adaptive Histogram Equalization, CLAHE) ve Sobel filtreleme yöntemleri ile rotasyon, yakınlaştırma (zoom) ve kaydırma (translation) tabanlı veri artırma işlemlerinin çeşitli kombinasyonları kullanılmıştır. Sınıflandırma sürecinde temel bir Evrişimsel Sinir Ağı (Convolutional Neural Networks, CNN) yanı sıra altı farklı transfer öğrenme modeli (VGG16, VGG19, Xception, ResNet, DenseNet121 ve MobileNetV2) eğitilmiş; tüm modeller 5-katlı çapraz doğrulama protokolü ile değerlendirilmiştir. İncelenen mimari ve ön işleme kombinasyonları arasında en yüksek performans, CLAHE (8,8 grid size) uygulanmış görüntüler üzerinde %20 zoom veri artırma yöntemiyle eğitilen VGG16 mimarisi tarafından sergilenmiştir. Bu model, 5-kat çapraz doğrulama sürecinde ortalama %79,20 ± 2,44 doğruluk oranına ulaşmıştır. Sınıf bazında değerlendirmede C5-C6 sınıfı 0,86 F1-skor ile en yüksek performansı gösterirken, morfolojik geçiş özelliği nedeniyle C3-C4 sınıfı 0,68 F1-skor ile en zorlu sınıf olarak öne çıkmıştır. Genel olarak elde edilen bulgular, yapay zeka temelli yaklaşımların sefalometrik görüntüler üzerinden servikal vertebral büyüme aşamalarının değerlendirilmesinde etkili, nesnel ve tekrarlanabilir bir çözüm sunabildiğini ortaya koymaktadır. Ayrıca uygun ön işleme teknikleri ile transfer öğrenme mimarilerinin birlikte kullanımının sınıflandırma performansını anlamlı ölçüde artırdığı ve klinik karar destek sistemlerinin geliştirilmesine katkı sağladığı sonucuna varılmıştır.
Özet (Çeviri)
Cervical vertebral growth refers to the structural changes that occur over time in the shape, size, and morphological characteristics of the cervical vertebrae, parallel to the individual's skeletal maturation process. In this thesis study, a deep learning-based framework for the automatic classification of cervical vertebral growth stages using lateral cephalometric radiographs is presented. A dataset consisting of a total of 750 cephalometric images was created, and each image was manually cropped under expert supervision to isolate the cervical vertebral region (C1–C6). The images were classified into three categories: pre-adolescent (C1–C2), adolescent (C3–C4), and post-adolescent (C5–C6). Various preprocessing techniques were applied prior to model training to improve image quality and more effectively represent distinctive features. During the image enhancement phase, various combinations of data augmentation operations based on rotation, zoom, and translation were used alongside Contrast Limited Adaptive Histogram Equalization (CLAHE) and Sobel filtering methods. During the classification process, in addition to a basic Convolutional Neural Network (CNN), six different transfer learning models (VGG16, VGG19, Xception, ResNet, DenseNet121, and MobileNetV2) were trained; all models were evaluated using a 5-fold cross-validation protocol. Among the examined architecture and preprocessing combinations, the highest performance was demonstrated by the VGG16 architecture trained using a 20% zoom data augmentation method on images processed with CLAHE (8,8 grid size). This model achieved an average accuracy of 79,20% ± 2,44 during the 5-fold cross-validation process. In class-based evaluation, the C5-C6 class demonstrated the highest performance with an F1-score of 0,86, while the C3-C4 class emerged as the most challenging class with an F1-score of 0,68 due to its morphological transition characteristics. Overall, the findings demonstrate that AI-based approaches can provide an effective, objective, and reproducible solution for evaluating cervical vertebral growth stages using cephalometric images. Additionally, it was concluded that the combined use of appropriate preprocessing techniques and transfer learning architectures significantly improves classification performance and contributes to the development of clinical decision support systems.
Benzer Tezler
- Yüz maskesi tedavisinin konuşma seslerine etkisinin fonetik inceleme yöntemleriyle araştırılması
Evaluati̇on of the effect of face mask on speech sounds by phonetic analysis
MERYEM ESMA ALAN
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiGaziantep ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL GÜLEÇ
- Radiküler kist ve granülomların dijital histogram analizi ile ayırdedilmesi
Differention of radicular cyst and granulomas with digital histogram analysis
ÜLKEM AYDIN
Doktora
Türkçe
1998
Diş HekimliğiGazi ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
PROF. DR. TAYFUN ALAÇAM
- Maksiller retrognati kaynaklı sınıf III maloklüzyonun alt-ramec ekspansiyon protokolüyle tedavisi
Treatment of class III malocclusion that presenting maxillary retrognathia with the alt-ramec expansion protocol
DERYA ÇALPAN
- Le fort I osteotomisi uygulanan hastalarda cinch ve V-Y süturun dudak ve burun yumuşak dokusuna etkisi
In the le fort I osteotomy performed patients effect of cinch and V_Y sutur on the lip and nose soft tissue
YUSUF TAMER
Doktora
Türkçe
2013
Diş HekimliğiBaşkent ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. SİNA UÇKAN
- Anterior çapraşıklık tedavisinde kullanılan segmental kortikotomi, interdental kortikotomi ve konvansiyonel ortodontik tedavi yapılan bireylerde yumuşak doku değişikliklerinin karşılaştırılması
Comparison of soft tissue changes on individuals who applied segmental corticotomy, interdental corticotomy and conventional orthodontic treatment for the treatment of anterior crowding
BEYZA NUR ORDU
Diş Hekimliği Uzmanlık
Türkçe
2018
Diş HekimliğiSüleyman Demirel ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. ELÇİN ESENLİK