Temporomandibular eklem düzensizliği için makine öğrenmesi tabanlı yeni bir yaklaşım
A new machine learning based approach for temporomandibular joint disorders
- Tez No: 842917
- Danışmanlar: DOÇ. DR. MEHMET SERDAR GÜZEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Diş Hekimliği, Computer Engineering and Computer Science and Control, Dentistry
- Anahtar Kelimeler: Derin öğrenme, Temporomandibular eklem, Temporomandibular eklem hastalıkları, Deep learning, Temporomandibular joint, Temporomandibular joint disorders
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çenenin açılması, kapanması ve çiğneme gibi temel işlevleri etkileyebilen temporomandibular eklem bozuklukları yaygın olarak görülen bir hastalıktır. Temporomandibular eklem hastalıklarının kökeni tam olarak bilinmemekle birlikte, çeşitli risk faktörleriyle ilişkilendirildiği düşünülmektedir. Günümüzde, teşhisi genellikle bir diş hekimi veya maksillofasiyal cerrah tarafından muayene ile konulmaktadır ve otomatik bir sistem kullanılmamaktadır. Bu tez çalışması kapsamında MR taramalarından oluşan özgün bir veri seti oluşturulmuştur. Bu veri seti Ankara Üniversitesi Diş Hekimliği Fakültesi ile beraber hazırlanmış olup etik onayı alınmıştır. İlgili veri seti kapsamında, 4 farklı hastalık üzerinde çalışılmıştır. İlgili hastalıklar: ağız açık pozisyonda diskin önde olması, ağız kapalı pozisyonda diskin önde olması, sinoviyal sıvıda artış olması ve kondil kemikte dejenerasyon olmasıdır. Bu kapsamda hastalık teşhisi için evrişimli sinir ağı modelleri üzerinde çalışılmıştır. Problem üzerinde popüler derin öğrenme mimarileri (GoogleNet, VGG, Xception, ResNet, MobileNet, Inception, DenseNet, ConvNeXt) ve ViT yaklaşımı uygulanmıştır. Yöntemlerin başarıları çeşitli metrikler kullanılarak incelenmiş, modeller arasındaki uyum SKK değeri ile yorumlanmıştır. Yapılan deneyler sonucunda en iyi sonucu popüler derin öğrenme yaklaşımları vermiş olup, modeller arasında kabul edilebilir uyum olduğu gözlemlenmiştir. Ortalama olarak %80 ve üzeri bir başarı elde edilmiştir. Ayrıca Grad-CAM görüntüleri ile diş hekimi tarafından işaretlenen kısımlar karşılaştırıldığında ağların genel olarak hastalıkla ilgili kısımlara odaklandığı görülmüştür. Ayrıca, literatürde yer alan TME hastalıkları üzerinde yapılmış olan bilgisayar temelli yaklaşımlar ele alınmış, TMD yayınları tek tek açıklanmıştır. Böylece, bu alandaki çalışmaların anlaşılması ve ileride yapılacak olan yeni uygulanmalarda yol göstermesi amaçlanmıştır.
Özet (Çeviri)
The temporomandibular joint disorders, which can affect basic functions such as opening, closing, and chewing of the jaw, are a common ailment. The etiology of temporomandibular joint disorders remains incompletely elucidated; nevertheless, they are postulated to be linked with a range of risk factors. Presently, diagnosis is typically performed through clinical examination by a dentist or maxillofacial surgeon, without the use of an automated system. Within the scope of this thesis, an original dataset composed of MR scans has been created. This dataset was prepared in collaboration with Ankara University Faculty of Dentistry and obtained ethical approval. Within the dataset, study has been conducted on four different diseases: anterior disc displacement with reduction, anterior disc displacement without reduction, increased synovial fluid, and condylar bone degeneration. In this context, convolutional neural network models were employed for disease diagnosis. Popular deep learning architectures, including GoogleNet, VGG, Xception, ResNet, MobileNet, Inception, DenseNet, ConvNeXt, and the ViT approach, were applied. The performance of the methods was examined using various metrics, and the consistency between the models was interpreted using the ICC value. As a result of the experiments, popular deep learning approaches yielded the best results, with acceptable consistency observed among the models. On average, an accuracy rate of 80% or higher was achieved. Furthermore, when comparing the areas marked by dentists on Grad-CAM images, it was observed that the networks generally focused on regions related to the disease. Moreover, computer-based approaches on TMJ disorders were addressed, and TMD publications were individually elucidated. Thus, the aim was to enhance the understanding of studies in this field and provide guidance for future implementations.
Benzer Tezler
- Bruksizmi ve kassal temporomandibular düzensizliği olan bireylerde masseter ve temporal kaslarının ultrasonografik olarak değerlendirilmesi
Assessment of masseter and temporal muscles in patients with bruxism and muscular temporomandibular disorders by ultrasonography
GÖZDE ÖZCAN
Diş Hekimliği Uzmanlık
Türkçe
2016
Diş HekimliğiErciyes ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
YRD. DOÇ. DR. MERYEM ETÖZ
- Temporomandibuler eklem (TME) internal düzensizliği olanhastalarda splint tedavisi öncesi ve sonrası klinik, kemik sintigrafisi ve manyetik rezonans görüntüleme bulgularının değerlendirilmesi
Assessment of magnetic resonance imagining, bone scintigraphy and clinical findings of patients with temporomandibular joint internal derangement before and after the splint therapy
HAKAN ÇAĞLI
Doktora
Türkçe
2009
Diş HekimliğiDicle ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. BEYZA KAYA
- Temporomandibular eklem bozukluğu olan ve olmayan bireylerde mandibular kondilin trabeküler yapısı, tükürük kortizol, MMP-3, TNF-Alfa ve IL-1 beta düzeylerinin karşılaştırılmalı olarak değerlendirilmesi
Comparative evaluation of the trabecular structure of the mandibular condyle, salivary cortisol, MMP-3, TNF-ALPHA and IL-1 beta levels in individuals with and without temporomandibular joint disorders
EMİNE ÖRNEK AKDOĞAN
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiOrdu ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
DOÇ. DR. MEHMET MELİH ÖMEZLİ
- Temporomandibular eklem osteoartritli hastaların cerrahi öncesi ve sonrası kinematik değerlendirilmesi
Kinematic assessment of the temporomandibular joint before and after surgical treatment
EVRE BALTALI
Doktora
Türkçe
2007
Diş HekimliğiSelçuk ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
DOÇ.DR. ERCAN DURMUŞ
- Temporomandibular eklem iç düzensizliklerinin tedavisinde artrosentez ile birlikte uygulanan enjekte edilebilir trombositten zengin fibrin ve konsantre trombositten zengin fibrin enjeksiyonlarının etkinliğinin değerlendirilmesi
Evaluation of the efficacy of injectable platelet-rich fibrin and concentrated platelet-rich fibrin injections combined with arthrocentesis in the treatment of temporomandibular joint internal disorders
MUHAMMED FURKAN YILMAZ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiOrdu ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. MEHMET MELİH ÖMEZLİ