Derin öğrenme ile manyetik rezonans görüntülerde temporomandibular eklem disk deplasmanlarının diagnozu
Diagnosis of temporomandibular joint disc displacements inmagnetic resonance images with deep learning
- Tez No: 577331
- Danışmanlar: DOÇ. DR. MEHMET İTİK
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Biyoistatistik, Derin öğrenme, Makine öğrenmesi, Manyetik rezonans görüntüleme, Sinir ağları, Temporomandibular eklem, Temporomandibular eklem hastalıkları, Bioistatistics, Deep learning, Machine learning, Magnetic resonance imaging, Nerve net, Temporomandibular joint, Temporomandibular joint disorders
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin öğrenme temelinde insanı taklit eden, önceden bilinen verilerden çok katmanlı sinir ağları kullanılarak özellik çıkartabilen, bilinmeyen veriler üzerinde sınıflandırma ve analiz yapabilen bir makine öğrenmesi çeşididir. Teknolojinin ilerlemesiyle yetersiz kalmaya başlayan öğrenme çeşitlerine alternatif olan derin öğrenme; son zamanlarda akademisyenler, araştırmacılar ve bilim insanlarının sıkça tercih etmeye başladığı bir öğrenme çeşididir. Yapay zeka çalışmalarının artmasıyla birlikte ortaya çıkan bu yöntem, imgelerin tanınma ve öğrenme sürecinin çok daha hızlı gerçekleşmesini sağlamaktadır. Manyetik rezonans görüntüleme (MRG), temporomandibular eklem (TME) disk deplasmanının tespit etmek için kullanılan en yaygın görüntüleme tekniğidir. MR görüntüleri TME disk deplasmanlarını tespit etmek için radyologlar tarafından elle analiz edilmektedir. Çok büyük görüntü hacminin manuel olarak yorumlanması zaman alıcı ve zor olmaktadır. Bu nedenle, bilgisayar tabanlı algılama, doğru ve hızlı tanılamada yardımcı olmaktadır. Bu çalışmada, normal ve disk deplasmanı olan MR görüntülerinin derin öğrenme yaklaşımının, konvolüsyonel sinir ağları (CNN) yöntemi ile sınıflandırılması amaçlanmıştır. Bu çalışma doğrultusunda CNN tabanlı AlexNET ve GoogLeNET derin öğrenme modelleri farklı hiper-parametreler kullanılarak test edilmiştir. Bu çalışma sonunda TME disk deplasmanı teşhisinde derin öğrenmenin başarılı sonuçlar verdiği görülmüştür.
Özet (Çeviri)
It is a kind of machine learning that simulates human being on the basis of deep learning, can extract features from previously known data using multi-layer neural networks, and can make classification and analysis on unknown data. Deep learning which is an alternative to the learning varieties that are beginning to be insufficient with the advancement of technology; is a type of learning that academicians, researchers and scientists have recently started to prefer. This method, which occurs with the increase of artificial intelligence studies, makes the recognition and learning process of images much faster. Magnetic resonance imaging (MRI) is the most common imaging technique used to detect temporomandibular joint (TMJ) disc displacement. MRI images are analyzed manually by radiologists to detect disc displacements. Manual interpretation of very large image volumes is time consuming and difficult. Therefore, computer-based detection helps in accurate and rapid diagnostics. In this study, it was aimed to classify the deep learning approach of normal and disk displacement MR images with convolutional neural network (CNN). In this study, CNN-based AlexNET and GoogLeNET deep learning models were tested using different hyper-parameters. At the end of this study, deep learning was found to be successful in diagnosing TMJ disc displacement.
Benzer Tezler
- Derin öğrenme ile manyetik rezonans görüntüleri üzerinden temporomandibular eklem yapısal bileşenlerinin segmentasyonu ve anteriora konumlanmış diskin tespiti
Segmentation of structural components of the temporomandibular joint and detection of anteriorly positioned discs in magnetic resonance images using deep learning
BÜŞRA SINMAZ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiBezm-İ Alem Vakıf ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİFHAN ALAGÖZ
- Tümör tanılı farklı sekans manyetik rezonans görüntülerinin derin öğrenme modelleri ile sınıflandırılması
Classification of tumor diagnosed different sequence magnetic resonance with deep learning models
TÜRKAN DOĞANALP
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiNecmettin Erbakan ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET ÜSAME ÖZİÇ
- Segmentation of magnetic resonance images with deep learning for the diagnosis of hepatocellular carcinoma
Hepatoselüler karsinomun tanısı için derin öğrenme ile manyetik rezonans görüntülerinin segmentasyonu
ÖMER IŞIK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÇAĞATAY NEFTALİ TÜLÜ
PROF. DR. TURGAY İBRİKÇİ
- Manyetik rezonans görüntülerinden meme kanseri bölütlemesi için derin öğrenme modellerinin karşılaştırılması
Comparison of deep learning models for breast cancer segmentation from magnetic resonance images
BERKTUĞ AKÇA
Yüksek Lisans
Türkçe
2025
Radyoloji ve Nükleer TıpMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİDA GÖKÇE NARİN
- Yapay zeka yöntemleri ile multipl sklerozis tanısı
Başlık çevirisi yok
BARAN BAYTAR
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. FATMA SİBEL BAYRAMOĞLU