Panoramik radyografi görüntüleri üzerinde diş çürüğünün derin öğrenme tabanlı yöntemler ile analizi ve tespiti
Analysis and detection of dental caries on panoramic radiography images with deep learning-based methods
- Tez No: 824723
- Danışmanlar: DOÇ. DR. CANER ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Bu çalışmada, uzmanı desteklemek için çevresel faktörlerden etkilenmeyen derin öğrenme yöntemlerine dayalı diş çürüğü lezyonlarının tespitini panoramik görüntüler üzerinde tamamen otomatikleştirebilen bir model önerilmektedir. Çürük, bireylerin en yaygın karşılaştığı ve en çok diş sağlığı hizmetlerine başvurduğu bir diş lezyonudur. Diş çürüğü lezyonları yemek artıklarından ya da ağız içinde aktivite gösteren bakterilerin diş yapısında bozulma oluşturmasından kaynaklanmaktadır. Bu lezyonlar klinik ortamlarda uzmanların gerçekleştirdiği görsel muayeneler sonucunda tespit edilmektedir. Görsel muayeneler X-ışını kullanarak görüntüleme yapabilen cihazların ürettiği radyografik görüntüler ile gerçekleştirilmektedir. Diş çürüğü lezyonlarının tespiti ve teşhisi uzmana klinik ortamda bir yük teşkil etmektedir. Bu durumdan dolayı kliniksel zaman yönetimi ve tedavi süreci zorlaşabilmektedir. Diş çürüğü lezyonlarının derin öğrenme yöntemleri ile sınıflandırılması, bölütlenmesi ve tespiti bu tür zorlukların aşılabilmesi için önemli bir araştırma konusudur. Bu çalışmada, uzmanlar tarafından oluşturulmuş çürük etiketlerine sahip panoramik veri seti Mask R-CNN mimarisine girdi olarak verilmiş ve performans ölçümü gerçekleştirilmiştir. Daha sonrasında kırpılan her görüntüden çürük etiketine sahip olanlar çürük sınıfına ve çürük etiketine sahip olmayanlar ise çürük olmayan sınıfına dahil edilmiştir. Kategorilenmiş bu ana veri seti farklı sınıf oranları dikkate alınarak alt veri setlerine ayrılmıştır. Toplamda 2709 kırpılmış görüntüden oluşan alt veri seti üzerinde öz-dikkat mekanizmasına sahip ConvNeXt modeli ile %80,34 doğruluk, %86,54 kesinlik, %91,47 duyarlılık ve %88,94 f1-skoru performansına ulaşılmıştır. Aynı zamanda ConvNeXt modeli ile k-katman çapraz doğrulama yöntemi ile modelin diş çürüğü görüntülerini ne kadar iyi sınıflandırabildiği ölçülmüştür. Alt ve ana veri setleri üzerinde derin öğrenme sınıflandırıcılarından GoogLeNet, ShuffleNet, ResNet-50, MobileNet, DenseNet-169, DenseNet-121, VGG-19 mimarileri ile eğitimler gerçekleştirilmiştir. Tez çalışması kapsamında yapılandırılmış sınıflandırıcısıyla önerilen yöntem ile de eğitim gerçekleştirilmiştir. Çürük ve çürük olmayan sınıflara göre kategorize edilen ana veri seti üzerinde önerilen yöntem, diğer sınıflandırma modellerine ve alt veri setlerine göre %93,17 doğruluk, %89,43 kesinlik, %85,84 duyarlılık ve %87,49 f1-skoru metriği ile daha yüksek performans göstermiştir. Bu sonuçlar ışığında sınıflandırma, bölütleme ve tespit işlemleri başarılı bir şekilde gerçekleştirilmiştir.
Özet (Çeviri)
In this study, a system that can fully automate the detection of caries lesions on panoramic images based on deep learning methods unaffected by environmental factors is provided to support the specialists. Caries is a dental lesion commonly encountered by a person and most frequently applied to dental health services. Tooth caries lesions are the deterioration of tooth structure caused by food residues or bacteria formed active in the mouth. These lesions are detected during visual examinations performed by specialists in clinical settings. Visual assessments are performed with radiographic images produced by devices capable of imaging using X-rays. Detection and diagnosis of dental caries lesions burden the specialist in the clinical setting. Because of this situation, clinical time management and treatment processes can be complicated. Classification, segmentation, and detection of dental caries lesions with deep learning methods is an important research topic to overcome such difficulties. A dataset of panoramic dental images with caries annotations created by specialists was given as input to Mask R-CNN architecture, and performance was measured. Afterwards, each cropped image with caries annotations were included in the caries class, and each cropped image without annotations was included in the non-caries category. This categorized main data set was divided into sub-datasets considering different class ratios. 80.34% accuracy, 86.54% precision, 91.47% sensitivity and 88.94% f1-score performance were achieved with the ConvNeXt model with self-attention mechanism on the sub-dataset consisting of 2709 cropped images in total. At the same time, the k-fold cross validation method with the ConvNeXt model measured how well the model could classify dental caries images. GoogLeNet, ShuffleNet, ResNet-50, MobileNet, DenseNet-169, DenseNet-121, and VGG-19 deep learning architectures have been trained with main and sub datasets. The training was also carried out with the method proposed with the structured classifier within the scope of the thesis study. The proposed method on the main dataset, categorized according to caries and non-carious classes, showed higher performance with 93.17% accuracy, 89.43% precision, 85.84% sensitivity and 87.49% f1-score metric compared to other classification models and sub-datasets. According to these results, classification, segmentation, and detection processes are carried out successfully.
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
- Romatoid artrit hastalarında mandibular kondil trabekülasyon değişikliklerinin konik ışınlı bilgisayarlı tomografi ve panoramik radyografi görüntüleri üzerinde fraktal analiz ile incelenmesi
Evaluation of mandibular condyle trabeculation changes in rheumatoid arthritis patients by fractal analysis on cone-beam computed tomography and panoramic radiography images
NEŞE İSPEKTER ÖNER
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiErciyes ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. EMİN MURAT CANGER
- Alt yirmi yaş diş kökleri ve inferior alveolar kanal ilişkisinin panoramik radyografi görüntüleri üzerinde belirlenmesinde yapay zekâ destekli öğrenme modeli geliştirilmesi
Development of an artificial intelligence based learning model for determining the relationship between mandibular third molar tooth and the inferior alveolar canal on panoramic radiograph images
ALİ CANBERK ULUSOY
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEge ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. BETÜL KARACA
- Gömülü üçüncü molar diş ile ikinci molar dişin eksternal kök rezorbsiyonu arasındaki ilişkinin panoramik radyografi ve konik ışınlı bilgisayarlı tomografi ile değerlendirilmesi
The evaluation of relationship between external root resorption of the second molar and impacted third molar with cone beam computed tomography and panoramic radiography
GEDİZ GEDUK
Diş Hekimliği Uzmanlık
Türkçe
2016
Diş HekimliğiOndokuz Mayıs ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
YRD. DOÇ. DR. AYŞE ZEYNEP ZENGİN
- Lezyonlu ve sağlıklı alt daimi 1. büyük azı dişlerine ait trabeküler kemik bölgesinin yaş ve cinsiyete göre fraktal analizlerinin panoramik radyografi görüntüleri üzerinde değerlendirilmesi
Evaluation of fractal analysis of trabecular bone region of lesioned and healthy lower permanent first molars according to age and gender on panoramic radiographic images
ELİF BİLGİN
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiDicle ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
PROF. DR. EMİN CANER TÜMEN