Derin öğrenme ile restorasyonların tespit edilerek panoramik dental görüntülerden kimlik tespiti
Başlık çevirisi mevcut değil.
- Tez No: 688826
- Danışmanlar: DR. ÖĞR. ÜYESİ AYŞE BETÜL OKTAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Dental Biyometri, İnsan Kimliklendirme, Dental Restorasyon, Derin Öğrenme, Evrişimli Sinir Ağları, Dental Biometrics, Human Identification, Dental Restoration, Deep Learning, Convolutional Neural Networks
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Medeniyet Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyolojik Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Dental biyometri ile; dental bilgi ve bulguları kullanarak kişi kimliklendirme yapılmaktadır. Genellikle afet ve kaza gibi yumuşak dokuların zarar gördüğü durumlarda ölmüş kişilerin ölüm öncesi ve ölüm sonrası diş görüntülerini diş konturları (sınırları), restorasyonlar, dişlerin sayısı ve şekli ile dişlerin konumları gibi özellikleri birbirleriyle karşılaştırarak kişi kimliklendirme gerçekleştirilir. Günümüzde görüntüleri eşleştirmek için diş numaralarına ve restorasyon türlerine göre metin araması yapan CAPMI (Computer Assisted Postmortem Identification System – Bilgisayar Destekli Ölüm Sonrası Tanımlama Sistemi) ve WinID (Windows Identification Utility- Windows Tanılama Yardımcısı) gibi metin bazlı karşılaştırma yapan programlar kullanılmaktadır. Ayrıca, son yıllarda literatürde makine öğrenmesi kullanarak dental görüntülerden kimliklendirme yapmak için de çalışmalar bulunmaktadır. Bu tezde, dental biyometri için diş restorasyonlarının derin öğrenme yöntemlerinden Evrişimli Sinir Ağları (ESA) ile tespit edilmesi ve kişi kimliklendirmenin tespit edilen restorasyon çizelgelerinin karşılaştırılarak yapılması hedeflenmiştir. Bölütlenen dişler için bir ESA oluşturularak beş farklı restorasyon tipi öğrenilmiştir. Bir panoramik dental görüntünün her dişi sınıflandırılarak diş çizelgesi oluşturulmuştur. Diş çizelgelerinin karşılaştırılarak kimliklendirme yapılması için Destek Vektor Makinesi (DVM) ve rastgele orman yöntemleri kullanılmıştır. Geliştirilen metot 183 kişiye ait 261 panoramik dental görüntü üzerinde denemiş ve Rastgele Orman Metodu %94, DVM ise %96 başarım göstermiştir.
Özet (Çeviri)
Person identification is performed by comparing the features, such as tooth contours, number and shape of teeth, tooth restorations and relative teeth positions, of ante-mortem and post-mortem dental images of deceased people where soft tissues are damaged in disasters and accidents. Text-based comparison programs such as CAPMI (Computer Assisted Postmortem Identification System) and WinID (Windows Identification Utility) are used to match images according to tooth numbers and restoration types. Recently, there are studies for human idenfication from dental images with machine learning in the literature. In this thesis, it is aimed to detect dental restorations with Convolutional Neural Networks (CNN) and to perform person identification according to these detected restorations. Five different restoration types were learned by constructing a CNN for segmented the teeth. A dental chart was created by classifying each tooth of a panoramic dental image. Support Vector Machine (SVM) and Random Forest methods were used for identification by comparing tooth charts. The developed method was tested on 261 different X-ray images of 183 different people. The identification accuracy of the random forest method was 94%, and the SVM was 96%.
Benzer Tezler
- Derin öğrenme yöntemine dayalı yapay zekâ algoritmalarıyla panoramik radyografilerde incelenen sabit protetik restorasyonlar altında oluşan çürüklerin tespiti
Detection of caries formed under fixed prosthetic restorations examined on panoramic radiographs with artificial intelligence algorithms based on DEEP learning method
BETÜL AYHAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKırıkkale ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
PROF. DR. SAADET SAĞLAM ATSÜ
- Derin Öğrenme Yöntemi kullanılarak karışık dişlenme döneminde alınan periapikal radyografilerde dişlerin numaralandırılması ve dental restorasyonların sınıflandırılması
Numbering of teeth and classification of dental restorations in periapical radiographs taken during the mixed dentition period using Deep Learning Method
BÜŞRA YÜCETÜRK
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiGaziantep ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA GÜNER
- Bıtewıng ağız içi radyografik görüntülerde derin öğrenme ile diş segmentasyonu
Dental segmentation with deep learning on bitewing intraoral radiographic images
BUSE YAREN TEKİN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER ÖZCAN
- Diş yapısının ve özelliklerinin belirlenmesinde panoramik radyografi görüntülerinin yapay öğrenme yöntemleri ile analizi
Analysis of panoramic radiography images with artificial learning methods in determination of teeth structure and features
AHMET KARAOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CANER ÖZCAN
- Panoramik radyograflarda derin öğrenme modelleri kullanılarak kimliklendirme
Identification of panoramic radiographs using deep learning models
HURİYE GÜN GÜLER
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiSüleyman Demirel ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. ESİN BOZDEMİR