Sefalometrik noktaların derin öğrenme kullanarak otomatik tespiti
Automatic detection of cephalometric points using deep learning
- Tez No: 715056
- Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL UZBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Sefalometrik analiz, Tıbbi görüntüleme, Convolutional neural networks, Cephalometric analysis, Medical imaging
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde her sektörde bilgisayarlar kullanılarak büyük miktarda veriler toplanmaktadır. Sağlık, savunma sanayi, uzay ve siber güvenlik gibi alanlarda makine öğrenmesi yöntemleri kullanılarak, toplanan bu veri yığınları yüksek başarı oranlarıyla raporlanıp bunlardan anlamlı bilgiler çıkarılabilmektedir. Medikal görüntü analizi alanında yapılan araştırmalara ilgi artmasıyla birlikte uzmanlar, kritik tıbbi analiz problemlerini ele almak için ilginç ve etkili yöntemlere yönelmiştir. Bu alanlardan biri de sefalometrik analizdir. Sefalometrik işaretler hastalık teşhisleri, oral ve maksillofasiyal cerrahi alanlarında değerlendirme ve kraniyofasiyal büyüme tahmini, tedavi planı, küratif etkisini değerlendirme ve farklı olguları karşılaştırmak için kullanılmaktadır. Bu tez çalışmasında Evrişimsel Sinir Ağları (ESA) kullanılarak sefalometrik noktalarının otomatik tespitini yapan bir U-Net modeli geliştirilmiştir. 2015 IEEE Uluslararası Biyomedikal Görüntüleme Sempozyumu içinde Sefalometrik X-ray Görüntü Analizi Yarışması'nın himayesinde oluşturulmuş sefalometrik görüntüler kullanılmıştır. Toplam 19 Sefalometrik nokta otomatik tespit edilmiştir. 2 mm aralığında 74,0% Başarılı Algılama Oranı (BAO), 2,5 mm aralığında 81,4%, 3 mm aralığında 86,3% ve 4mm aralığında ise 92,2% BAO elde edilmiştir.
Özet (Çeviri)
Today, large amounts of data are collected using computers in every sector. Using machine learning methods in areas such as networking, defense industry, space and cybersecurity, these data can be reported with high success rates and meaningful information can be extracted. With the increase in research in digital x-ray imaging, experts have successfully brought forward interesting and effective methods to address critical medical analysis problems. One of these fields is cephalometric analysis. Within the scope of the study of this thesis, a solution was presented with deep learning on cephalometric image analysis. Cephalometric analysis is used for disease diagnoses, evaluation in oral and maxillofacial surgery areas and craniofacial growth estimate, treatment plan, curative effect evaluation and comparison of different cases. In this thesis study, a U-Net model was developed that makes automatic detection of Cephalometric points using Convolutional Neural Networks. The data used in the scope of this research are obtained from the publicly available dataset provided during the 2015 ISBI Grand Challenge Training Dataset. 19 Cephalometric points are detected automatically. 74,0% Success Detection Rate was achieved in the range of 2 mm, 81,4% in the 2.5 mm range, 86,3% in the 3mm range and 92,2% in the 4mm range.
Benzer Tezler
- Gender and age detection by feature selection using resnet50 based on CNN algorithm
Başlık çevirisi yok
RAWA MOUSA HUSSEIN HUSSEIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik görüntüler üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla sefalometrik noktaların tespiti
Determination of cephalometric points with artificial intelligence algorithms developed by deep learning on lateral cephalometric images obtained from conic-beam computer tomography images
SEDA SALİHA KAYRAK
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET UĞURLU
- Konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen posteroanterior sefalometrik (Frontal) görüntüler üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla sefalometrik noktaların tespiti
Detection of cephalometric points with artificial intelligence algorithms improved by deep learning method on posteroanterior cephalometric (Frontal) images obtained from cone-beam computed tomography images
GİZEM GÖZDE ÖZŞAHİN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET UĞURLU
- Sefalometrik noktaların yapay zeka yöntemleri ile tespiti
Detection of cephalometric landmarks with artificial intelligence methods
BURAK CAN KOÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiMatematik ve Bilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. AHMET FARUK ASLAN
- Lateral sefalometrik radyografilerde sefalometrik nokta tayininde farklı derin öğrenme yöntemlerinin karşılaştırılması
Comparison of different deep learning methods in cephalometric landmark determination in lateral cephalometric radiographs
HALE AKDEMİR
Diş Hekimliği Uzmanlık
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrdu ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. SÜLEYMAN KUTALMIŞ BÜYÜK
DOÇ. DR. HASAN ULUTAŞ