Automatic diagnosis from panoramic dental X-rays using deep learning
Derin öğrenmeyi kullanarak panoramik diş röntgenlerinden teşhis koymak
- Tez No: 695382
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA BERKAY YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 45
Özet
Diş hekimliğinde radyoloji; ağız, diş ve çene bölgesindeki geçmiş dönemde yapılan tedavilerin, hastalıkların ve ileride doğabilecek sorunların tespit edildiği ilk basamaktır. Çekilen panoramik röntgenler sayesinde hastanın mevcut durumu bir bütün olarak ele alınarak bir hekimin incelemeleri sonucunda gerekli tedaviler planlanmaktadır. Fakat artan nüfus, yetersiz hekim sayısı, yetersiz hastaneler ve ekonomik sıkıntıların bir sonucu olarak hastalar ağrılı bir şekilde önce röntgen sırası daha sonra da hekim kontrolü için çok sıra beklemektedir. Bu tezde, panoramik diş röntgenlerinden hastanın geçmiş dönemde yapılan tedavilerinin tespitinin derin öğrenme metotlarıyla tespiti sunulmuştur. Çalışmanın hekimlerin hastanın geçmiş tanılarını bulmasına hız kazandırması ve gelecekte hastalıkların ve doğabilecek sorunların bulunabilmesi için bir ön hazırlık olması beklenmektedir. Bu çalışma kapsamında, sağlık alanında yapılan 2 boyutlu veya 3 boyutlu röntgenlerden hastalık tespiti yapan önceki çalışmalar incelenmiştir. Derin öğrenme yöntemi olarak CNN algoritmasının, nesne tespiti içinse verimlilik ve hız faktörleri göz önüne alınınca YOLO algoritmasının yaygın olarak kullanıldığı görülmüştür. Bazı çalışmalarda ise bölge önerimi için RPN ve nesne tespiti için SSD, Faster R-CNN gibi teknikler kullanılmıştır. Bu çalışmada aynı veri seti kullanılarak revize edilmiş YOLO versiyonları ve revize edilmiş Faster R-CNN modeli aynı kapasitedeki bir bilgisayarda denenmiştir. Böylece bu yöntemler arasında başarı oranı ve hız gibi önemli etkenlerin karşılaştırılması da yapılmıştır.
Özet (Çeviri)
Radiology in dentistry is the first step in detecting past treatments, diseases, and problems that may arise in the future in the area of the mouth, teeth, and jaw. Thanks to the panoramic X-rays taken, the patient's current condition is considered as a whole, and the necessary treatments are planned because of the doctor's examinations. But because of the growing population, an insufficient number of doctors, insufficient hospitals, and economic difficulties, patients painfully wait a lot of rows first for an X-ray, and then for a doctor's check-up. In this thesis, the determination of the patient's past treatments from panoramic dental X-rays by the deep learning method is presented. It is expected that the study will accelerate doctors to find the patient's past diagnoses and be a preliminary preparation for finding diseases and problems that may arise in the future. As part of this study, previous studies that detected diseases from 2-dimensional or 3-dimensional X-rays conducted in the field of health were examined. It has been observed that the CNN algorithm is widely used as a deep learning method, and the YOLO algorithm is widely used for object detection, considering efficiency and speed factors. In some studies, techniques such as RPN for zone suggestion and SSD for object detection, Faster R-CNN have been used. In this study, the revised YOLO versions and the revised Faster R-CNN model were tested on a computer with the same capacity using the same data set. In this way, important factors such as success rate and speed were compared between these methods.
Benzer Tezler
- Semi-supervised method for determining the maxillary and mandibular boundaries on panoramic radiographs
Panoramik radyografi görüntülerinde maksiller ve mandibüler yapıların sınırlarının belirlenmesi için yarı-gözetimli bir metot
BERKAY KAĞAN ÜLKÜ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK
- Dental panoramic and bitewing X-ray image segmentation using U-net and transformer networks
U-net ve transformer ağlarını kullanarak dental panoramik ve ısırma X-ray görüntü bölütleme
METE CAN KAYA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE AKAR
- Transfer öğrenimi tabanlı evrişimli sinir ağlarını kullananotomatik dental panoramik görüntü segmentasyonu
Automated dental panoramic image segmentation using transfer learning based convolutional neural networks
TÜLİN ÇAYLAK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK
- Optimize edilmiş çok katmanlı evrişimsel sinir ağı modelleri ile diş türlerinin otomatik sınıflandırılması
Automatic classification of tooth types with optimized multilayer convolutional neural network models
YUSUF FAZIL GÖÇ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR ERGÜL
- Dental panoramik radyografilerde derin öğrenme tabanlı segmentasyon yaklaşımları
Deep learning based segmentation approaches on dental panoramic radiographies
NİDA KUMBASAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. İBRAHİM YÜCEL ÖZBEK