Geri Dön

Derin öğrenme ile manyetik rezonans görüntülerde temporomandibular eklem disk deplasmanlarının diagnozu

Diagnosis of temporomandibular joint disc displacements inmagnetic resonance images with deep learning

  1. Tez No: 577331
  2. Yazar: YUSUF BAYKAL
  3. Danışmanlar: DOÇ. DR. MEHMET İTİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 86

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

  1. Yapay zeka yöntemleri ile Multipl Sklerozis tanısı

    Başlık çevirisi yok

    BARAN BAYTAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. FATMA SİBEL BAYRAMOĞLU

  2. 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

    Türkçe

    2022

    Bilim ve TeknolojiNecmettin Erbakan Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMET ÜSAME ÖZİÇ

  3. Akciğer kanserinin ve kanser evresinin tespit edilmesinde derin öğrenme uygulamaları

    Deep learning applications in detecting lung cancer and cancer stage

    MARYAM ABBAS FADHIL AL BAYATI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN

  4. Metasezgisel algoritmalar ve derin öğrenme kullanılarak çok kaynaklı görüntü füzyonu

    Multi-source image fusion using metaheuristic algorithms and deep learning

    ASAN IHSAN ABAS ABAS

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NURDAN BAYKAN

  5. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA