Geri Dön

Dental panoramik radyografilerde derin öğrenme tabanlı segmentasyon yaklaşımları

Deep learning based segmentation approaches on dental panoramic radiographies

PDF İndir

  1. Tez No: 848112
  2. Yazar: NİDA KUMBASAR
  3. Danışmanlar: PROF. İBRAHİM YÜCEL ÖZBEK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: derin öğrenme, çene segmentasyonu, diş segmentasyonu, panoramik radyografi, yumuşak etiket füzyonu, yama bazlı yaklaşım, deep learning, jaw segmentation, tooth segmentation, panoramic radiography, soft label fusion, patch-based approach s
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

Amaç: Panoramik Radyografi (PR), dental radyolojide hastalıkların tanı-tedavi sürecinde yaygın olarak kullanılan tıbbi görüntüleme aracıdır. PR'de anatomik yapıların otomatik segmentasyonu, nüfus yoğunluğu fazla olan bölgelerde diş hekimlerinin verimliliğini artırmakta ve hastaların tedavi sürecini hızlandırmaktadır. Öte yandan gerçek hayatta üç boyutlu anatomik yapıların PR üzerinde iki boyutlu forma dönüşmesi bozulmalara ve üst üste binmelere sebep olmaktadır. Gri seviyeli ve kontrastı düşük PR görüntülerinde ayırt ediciliğin az olması segmentasyon işlemini zorlaştırmakta ve segmentasyon başarısını diş hekiminin tecrübesine bağlı kılmaktadır. Yüksek düzeyde hesaplamalı donanımın makinelere entegre edilmesiyle yapay zeka tabanlı derin öğrenme, dental alanda da problem çözme ve karar verme görevlerinde giderek daha fazla tercih edilmektedir. PR'nin radyasyonun düşük, maliyetinin az olması ve hızlı sonuç vermesi sebebiyle hemen hemen her hastadan ön tanı amacıyla temin edilmesi; PR görüntülerinin birikim hızını artırmış ve derin öğrenmenin ihtiyaç duyduğu verilere erişimi kolaylaşmıştır. Bu tez PR üzerinde“çene segmentasyonu”ve“diş segmentasyonu”olmak üzere 2 ana bölümden oluşmaktadır. Tez kapsamında, kemik erimesi ön tanısına yardımcı çene segmentasyonu ve diş değişim döneminde süt dişlerine sahip çocuk hastaların dişlerinin segmentasyonu çeşitli derin öğrenme yaklaşımları ile ele alınmıştır. Yöntem: Çene segmentasyonu için alt çeneye ait mandibula kemik bölgesinden ve alt-üst çeneyi içeren maksillomandibular bölgeden oluşan iki farklı veri seti üzerinde 3 farklı son teknoloji yaklaşımı; tekli modalitede ve önerilen çoklu modalitelerde, farklı eşikleme değerinde performans bakımından karşılaştırılmıştır. Piksel seviyesinde sert ve yumuşak etiketler karar seviyesinde çeşitli mantıksal-matematiksel operatörlerle füzyon işlemine tabi tutulmuştur. Öte yandan diş segmentasyonu için PR görüntülerine orijinal boyuta ek olarak yama bazlı yaklaşım geliştirilerek giriş verisinin farklı boyutlardaki yama formunda performansı 5 farklı derin öğrenme yaklaşımı ile incelenmiştir. Bulgular: Yapılan deneysel çalışmalar sonucu çene segmentasyonu probleminde her iki veri seti için, önerilen“yumuşak etikette ortalama tabanlı karar füzyonu”nun modaliteler arasında en yüksek perfromansa sahip olduğu gözlemlenmiştir. Bununla beraber ikili görüntüye dönüşüm esnasında segmentasyon performansını artıran daha düşük bir eşik değer belirlenmiştir. Diş segmentasyonu için giriş görüntüsünün orijinal boyuttan ziyade yamalara ayrılmasıyla hem veri sayısı artırılmış hem de model öncesi boyut küçültme esnasındaki bozulmaların önüne geçilmiş daha doğru tahmin sonuçları elde edilmiştir. Sonuçlar: PR üzerinde geniş yer kaplayan, manuel olarak zaman alıcı veya uzmanlık gerektiren çene ve diş bölgelerinin segmentasyonu; model girişine - çıkışına bağlı geliştirilen yaklaşımlarla daha perfromanslı şekilde gerçekleştirilmiştir.

Özet (Çeviri)

Purpose: Panoramic Radiography (PR) is a widely used medical imaging tool in the diagnosis-treatment process of diseases in dental radiology. The automatic segmentation of anatomical structures in PR increases the efficiency of dentists in densely populated areas and accelerates the treatment process of patients. On the other hand, in real life, the conversion of three-dimensional anatomical structures into two-dimensional form on PR causes distortions and overlaps. The lack of discrimination in gray-level and low-contrast PR images makes the segmentation process difficult and makes segmentation success dependent on the experience of the dentist. With the integration of highly computational hardware into machines, artificial intelligence-based deep learning is increasingly preferred for problem solving and decision-making tasks in the dental field. The fact that PR is available for preliminary diagnosis from almost every patient due to its low radiation, low cost and fast results has increased the rate of accumulation of PR images and facilitated access to the data needed by deep learning. This thesis consists of 2 main chapters on PR:“jaw segmentation”and“teeth segmentation”. Within the scope of this thesis, jaw segmentation for preliminary diagnosis of osteoporosis and segmentation of teeth of pediatric patients with deciduous teeth during the tooth replacement period are addressed with various deep learning approache Method: For jaw segmentation, 3 different state-of-the-art approaches are compared in terms of peak performance at different thresholding values in the single modality and the proposed multimodalities on two different datasets consisting of the mandibular bone region of the lower jaw and the maxillomandibular region including the upper and lower jaw. At the pixel level, hard and soft labels are fused with various logical-mathematical operators at the decision level. On the other hand, for tooth segmentation, a patch-based approach was developed for PR images in addition to the original size and the performance of the input data in the form of patches of different sizes was observed with 5 different deep learning approaches. Findings: As a result of the experimental studies, it is observed that the proposed“soft label mean-based decision fusion”has the highest performance among the modalities for both datasets in the jaw segmentation problem. However, a lower threshold value is set which improves the segmentation performance during the conversion to binary image. For tooth segmentation, patching the input image into patches rather than the original size increases the number of data and prevents distortions during pre-model downsizing, resulting in more accurate prediction results. Conclusions: Segmentation of jaw and tooth regions, which occupy a large area on the PR and are manually time-consuming or require expertise, was performed more efficiently with the approaches developed based on model input and output.

Benzer Tezler

  1. Tez No

    663526

    Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamasıyla çocuklardan alınan panoramik radyografilerde çürük dişlerin tespiti

    Determination of caries teeth in panoramic radiographs taken from children with artificial intelligence developed by using deep learning method

    ESRA AŞÇI

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiAtatürk Üniversitesi

    Pedodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MÜNEVVER KILIÇ

  2. Tez No

    795736

    Diş yapısının ve özelliklerinin belirlenmesinde panoramik radyografi görüntülerinin yapay öğrenme yöntemleri ile analizi

    Analysis of panoramic radiography images with artificial learning methods in determination of teeth structure and features

    AHMET KARAOĞLU

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CANER ÖZCAN

  3. Tez No

    911627

    Derin öğrenme yöntemiyle panoramik radyografilerde sekonder çürük tespiti

    Secondary caries detection with deep learning in panoramic radiographs

    GÖKTUĞ YERSEL

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiKocaeli Üniversitesi

    Restoratif Diş Tedavisi Ana Bilim Dalı

    PROF. DR. NESLİHAN TEKÇE

  4. Tez No

    804064

    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

    Türkçe

    2023

    Diş HekimliğiKırıkkale Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. SAADET SAĞLAM ATSÜ

  5. Tez No

    706692

    Panoramik radyografi kullanılarak iki farklı derin öğrenme metodunun dişlerin sınıflandırılması üzerindeki performanslarının karşılaştırılmalı olarak incelenmesi

    Comparative investigation of the performances of two different deep learning methods on classification of teeth using panoramic radiography

    SERKAN YILMAZ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiErciyes Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. EMİN MURAT CANGER

Geri Dön