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: Belirtilmemiş.
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
- 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
- 1,3-difenil-4,5-bis(hidroksiimino)-imidazolidin ve Ni(II), Cu(II), Pd(II), UO2(VI) komplekslerinin sentezi
Başlık çevirisi yok
VEFA AHSEN
Doktora
Türkçe
1984
Kimya MühendisliğiUludağ ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZER BEKAROĞLU
- Üniversitelerdeki öğrenci işlerinin mikrobilgisayarlar yardımı ile çözümlenmesine ilişkin bir araştırma
Başlık çevirisi yok
SAİT ESLEK
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. HALİL ŞENGONCA
- Kısa zincirli bazı alkil aromatik hidrokarbonların yüzey aktif madde olarak kullanım alanlarının incelenmesi
Performance of short-chain alkyl aromatic sulphonates in light duty foaming detersents
BİKEM ÖVEZ
- Elma suyu aroma maddeleri üzerine çalışmalar
Başlık çevirisi yok
DOĞAN YÜKSEL
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. COŞKAN ILICALI