Evaluation of fixed restorations on panoramic radiographs using deep learning and auto-crop
Derin öğrenme ve oto-kırpma kullanılarak panoramik radyograflarda sabit restorasyonların değerlendirilmesi
- Tez No: 836565
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA YENİAD, DOÇ. DR. MAHMUT SERTAÇ ÖZDOĞAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar destekli teşhis, Dental restorasyon, Derin öğrenme, Gri tonlamalı görüntü, Makine öğrenmesi yöntemleri, Radyografi-panoramik, Yapay sinir ağları, Yapay zeka, Computer assisted diagnosis, Dental restoration, Deep learning, Grayscale image, Machine learning methods, Radiography-panoramic, Artificial neural networks, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin amacı, diş görüntülemede derin öğrenme tekniklerinin, özellikle Evrişimsel Sinir Ağı (CNN) algoritmalarının yeteneklerini araştırmaktır. CNN'ler çeşitli alanlarda yaygın olarak kullanılmış olsa da, diş görüntülemedeki uygulamaları hala sınırlıdır. Bu tez, üç dişhekimi uzmanı tarafından beş ayrı gruba ayrılmış 20.973 panoramik radyograftan oluşan benzersiz bir veri seti oluşturarak bu boşluğu doldurmayı amaçlamaktadır. Veri seti, AlexNet, VGG-16 ve ResNet modellerinin çeşitleri dahil olmak üzere CNN modellerini eğitmek için kullanıldı. Modeller daha sonra sağlamlıklarını artırmak için 10 kez çapraz doğrulama ve veri artırma teknikleri kullanılarak değerlendirildi. ResNet-101 modeli en yüksek doğruluğu %92,7 ile ve en yüksek makro ortalama AUC'yi 0,989 ile elde etti. Ayrıca, AlexNet için %75,5 ile Inception ResNet V2 için %92,1 arasında değişen doğruluk oranlarıyla diğer modeller de iyi performans gösterdi. Veri setinin zorluk seviyesini düşürme çabaları sonucu ortaya çıkan oto-kırpma optimizasyonu ile en iyi sonuç %94,5 doğruluk ve 0,993 makro ortalama AUC'ye yükseltildi. Bu bulgular, diş görüntülemede CNN'lerin potansiyelini açıkça göstermekte ve hastanın panoramik radyografisini aldıktan sonra diş hekimlerine hemen değerli yardımcı bilgiler sağlayabilen bilgisayar destekli teşhis sistemlerinin oluşturulmasının önünü açmaktadır. Ayrıca, önerilen veri setinin farklı problemler için yeniden etiketlenebilmesi ve çeşitli çalışmalarda kullanılabilmesi nedeniyle önemli ölçüde çok yönlülüğe sahip olduğu belirtilmelidir. Böylece, bu çalışma dental görüntüleme araştırmalarındaki ilerlemeler için değerli bir kaynak olacaktır. Benzer şekilde, oto-kırpma, uçtan uca bir CNN'de eğitilebilir bir ağ katmanı olarak uygulanabilir ve farklı problemler için kullanılabilir. Genel olarak, bu tez, türevlenebilir oto-kırpma ile elde edilen performans kazancının yanı sıra teşhis doğruluğunu ve diş bakımının verimliliğini artırmak için diş görüntülemede derin öğrenme tekniklerinin potansiyelini vurgular ve bu tekniklerin uygulanmasına ilişkin gelecekteki araştırmalar için güçlü bir temel oluşturur.
Özet (Çeviri)
The objective of this dissertation is to investigate the capabilities of deep learning techniques, particularly Convolutional Neural Networks (CNNs) in dental imaging. While CNNs have been extensively used in various fields, their application in dental imaging is still limited. This thesis seeks to bridge this gap by creating a unique dataset comprising 20,973 panoramic radiographs that have been categorized into five distinct groups by three dental experts. The dataset was used to train the CNN models, including AlexNet, VGG-16, and variants of ResNet models. The models were trained using 10-fold cross-validation and data augmentation techniques to ensure robustness. The evaluation results indicated that the ResNet-101 model achieved the highest accuracy of 92.7% and the highest macro-average AUC of 0.989. Additionally, other models performed well also with accuracy scores ranging from 75.5% for AlexNet to 92.1% for Inception ResNet V2. The best result was improved to 94.5% accuracy and 0.993 macro-average AUC with the introduced auto-crop optimization that emerged from efforts to reduce the difficulty level of the dataset. These findings clearly showcase the potential of CNNs in dental imaging and pave the way for the creation of computer-aided diagnosis systems that can provide valuable auxiliary information immediately to dentists upon obtaining a patients' panoramic radiograph. Furthermore, it should be noted that the proposed dataset has significant versatility as it can be re-labeled for different problems and utilized in various studies. Thus, it represents a valuable resource for advancements in dental imaging research. Similarly, the auto-crop may be utilized for many scenarios as an end-to-end network layer. Overall, this thesis highlights the potential of deep learning techniques in dental imaging to improve diagnostic accuracy and efficiency of dental care, along with the performance gain achieved by differentiable auto-cropping alteration, and lays a strong foundation for future research on the application of these techniques.
Benzer Tezler
- İsmayıl Hakkı Baltacıoğlu'nun kültür ve eğitim kavramı üzerine bir inceleme
An Examination of the concepts of culture and education of Ismayıl Hakkı Baltacıoğlu
ABDULLAH DİKİCİ
Doktora
Türkçe
1986
Eğitim ve ÖğretimUludağ ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. SUAT ANAR
- Gebelik ve doğum olgularında prolaktin düzeylerinin değerlendirilmesi
The Evaluation of prolactin values during pregnancy labour and in deliveries
TÜLİN AKAN
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ.DR. MÜLAZIM YILDIRIM
- Yenileme yatırımları
Başlık çevirisi yok
OSMAN NURİ FİLİZ
Yüksek Lisans
Türkçe
1986
İşletmeGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN OKKA
- Bromtimol mavisi, bromkresol moru ve klorfenol kırmızısı indikatörleri katılmış özel besiyerlerinin sütlerde antibiyotik belirtilmesine uygunluğu üzerine araştırmalar
Başlık çevirisi yok
ESENGÜL TUNCER
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSüt Teknolojisi Ana Bilim Dalı
PROF. DR. HASAN YAYGIN