Bıtewıng ağız içi radyografik görüntülerde derin öğrenme ile diş segmentasyonu
Dental segmentation with deep learning on bitewing intraoral radiographic images
- Tez No: 695284
- Danışmanlar: DR. ÖĞR. ÜYESİ CANER ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Diş Hekimliği, Computer Engineering and Computer Science and Control, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Bu çalışmada, diş sağlığı alanında detaylı incelenmesi gereken dişlerin tedavi ve tanı sürecinde kullanılan bitewing (ısırma kanatlı) ağız içi radyografi görüntüleri üzerinde dişlerin segmentasyonu sağlanmıştır. Bitewing görüntüleme yöntemi, ağız içerisinde doğrudan görülemeyen, özellikle küçük ve büyük azı dişlerinin ara yüzlerindeki çürüklerin ve restorasyonların altında tekrarlayan çürüklerin tespiti için ideal bir tanı yöntemidir. Radyolojik görüntülerin uzmanlar tarafından raporlanması el ile yapılan, zaman alan ve dikkat gerektiren işlemlerdir. Bu işlemlerin başarılı ve hızlı bir şekilde gerçekleştirilebilmesi için derin öğrenme tabanlı bir yöntemle desteklenmesi amaçlanmıştır. Çalışma kapsamında kullanılan bitewing diş görüntüleriyle ilgili yasal izinler alınmıştır ve çalışmada kullanılan veri kümesi, Ordu Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı radyoloji görüntü arşivinden elde edilmiştir. Bu çalışmada, Evrişimli Sinir Ağları (CNN) türünden olan Bölgesel Tabanlı Evrişimli Sinir Ağı (R-CNN) kullanılmıştır. Derin öğrenme tabanlı yaklaşım ile dişlerin bölgelerinin tespiti ve otomatik segmentasyonu için ilgi alanında bulunan dişlere ait piksel bilgisi sağlayan R-CNN ağı türünden olan Mask R-CNN ağı kullanılmıştır. Bu tez çalışmasının amacı, bitewing radyografileri üzerindeki dişlerin otomatik olarak segmentasyonunun gerçekleştirilerek diş bölgelerinin tespit edilmesidir. Çalışmada sinir ağının eğitimi için i9 10980XE işlemcili ve NVIDIA Quadro RTX 5000 ekran kartına sahip bir bilgisayar kullanılmıştır. Ek olarak çalışmada, derin öğrenme kütüphanelerinden olan Keras ve TensorFlow başta olmak üzere Python programlama diline ait kütüphaneler kullanılmıştır. Mask R-CNN sinir ağı ile kullanılan omurga ağı ise Artık ağlardan (Residual networks) olan ResNet-101 ağıdır. Diğer ağ modellerine kıyasla artık değerlerin sonraki modele eklenmesiyle oluşan ResNet omurga ağı, bu sayede klasik model olmaktan çıkmıştır. Deneysel çalışmalar sonucunda ise gerekli şekil, grafik ve çizelgeler ile daha detaylı analiz yapılmış ve elde edilen sonuçlar tartışılmıştır.
Özet (Çeviri)
In this study, segmentation of teeth was provided on bitewing intraoral radiography images used in the treatment and diagnosis process of teeth that need to be examined in detail in the field of dental health. Bitewing imaging method is an ideal diagnostic method for detecting caries that cannot be seen directly in the mouth, especially caries at the interfaces of premolars and molars, and recurrent caries under restorations. Reporting of radiological images by experts is a manual, time-consuming and careful process. It is aimed to support these processes with a deep learning-based method so that they can be performed successfully and quickly. Legal permissions were obtained for the bitewing tooth images used in the study, and the dataset used in the study was obtained from the radiology image archive of the Ordu Dentistry Faculty, Department of Oral, Dental and Maxillofacial Radiology. In this study, Regional Based Convolutional Neural Network (R-CNN), which is a type of Convolutional Neural Networks (CNN), was used. The Mask R-CNN network, which is a type of R-CNN network that provides pixel information of the teeth in the region of interest, was used for the detection and automatic segmentation of the regions of the teeth with a deep learning-based approach. The aim of this thesis study is to determine the tooth regions by performing automatic segmentation of teeth on bitewing radiographs. In the study, a computer with i9 10980XE processor and NVIDIA Quadro RTX 5000 graphics card was used for the training of the neural network. In addition, libraries belonging to the Python programming language, especially Keras and TensorFlow, which are deep learning libraries, were used in the study. The backbone network used with Mask R-CNN neural network is ResNet-101 network, which is Residual networks. Compared to other network models, ResNet backbone network, which is formed by adding residual values to the next model, has thus ceased to be a classical model. As a result of the experimental studies, a more detailed analysis was made with the necessary figures, graphics and charts and the results were discussed.
Benzer Tezler
- Arayüz çürüklerinin tespit edilmesinde kullanılan radyografik yöntemlerin sensitivite ve spesifitesinin değerlendirilmesi
Assessment of sensitivity and specificity of radiographic methods for approximal caries detection
MELİKE KORALTAN
Diş Hekimliği Uzmanlık
Türkçe
2015
Diş HekimliğiCumhuriyet ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
YRD. DOÇ. DR. DEFNE YALÇIN YELER
- Başarısız restorasyonlarda hastaya, materyale ve farklı faktörlere bağlı etkenlerin değerlendirilmesi
Evaluation of factors related to the patient, material and other factors in failed restorations
NURCİHAN YEŞİLIRMAK
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiNecmettin Erbakan ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. SAİD KARABEKİROĞLU
- Genç yetişkinlerde sigara içme ve ağız bakım alışkanlıklarının arayüz çürük görülme ve DMFT durumuna etkisinin değerlendirilmesi
Evaluation of the effect of smoking and oral care habits on aproximal caries and DMFT status in young adults
MELTEM BATTAL
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiNecmettin Erbakan ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. SAİD KARABEKİROĞLU
- Farklı etiyolojik risk faktörlerinin çürük deneyimi üzerine etkisi ve maliyet analizinin değerlendirilmesi
Effect of di̇fferent eti̇ologi̇c ri̇sk factors on cari̇esexperi̇ence and evaluati̇on of cost analysi̇s
IŞIN ÇAYIR
Diş Hekimliği Uzmanlık
Türkçe
2019
Diş HekimliğiNecmettin Erbakan ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. SAİD KARABEKİROĞLU
- Teledişhekimliğinde farklı teknikler kullanılarak çekilen dijital fotoğrafların okluzal çürük teşhisindeki etkinliklerinin değerlendirilmesi
Evaluation of the effectiveness of digital photos taken using different techniques in tele dentistry in the diagnosis of occlusal caries
ALİ RIZA SÜLEYMAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiRecep Tayyip Erdoğan ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. GÜL YILDIZ TELATAR