YOLOv7 algoritması ile diş röntgenlerinde lezyon ve çürük tespiti
Lesion and caries dedection in dental x-rays with YOLOv7 algorithm
- Tez No: 850783
- Danışmanlar: DOÇ. DR. CAFER BUDAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Sağlık sektörü, derin öğrenme algoritmalarının kullanımı sayesinde teşhislerin daha tutarlı hale getirilmesi ve başarılı sonuçların elde edilmesi konusunda büyük ilerlemeler kaydetmektedir. Diş sağlığı açısından, diş iltihapları zaman içinde dişlerde çürüklere neden olmaktadır. Diş bakımına özen gösterilmediğinde, zamanla kişinin ağzında bakteriler oluşur. Bu bakteriler gıdalarla birleşerek diş minesine zarar verir ve diş çürükleri meydana gelir. Diş çürükleri yaşamımızı olumsuz yönde etkileyen önemli bir sağlık problemi olarak karşımıza çıkmaktadır. Yakın zamana kadar iltihaplı dişler, diğer bölgelere zarar vermesini önlemek amacıyla hemen çekilirdi. Günümüzde görüntüleme yöntemlerinin gelişmesiyle birlikte diş kayıplarını engellemek için çeşitli tedavi yöntemleri uygulanıp, başarı oranı artmıştır. Çürüklerin ve lezyonların teşhisi genellikle diş röntgen görüntüleri çekilerek yapılır. Ancak bu tür teşhisler, uzman kişiler tarafından gerçekleştirildiğinde dahi farklılık gösterebilmektedir. Bu nedenle, derin öğrenme temelli yaklaşımlardan yararlanma ihtiyacı doğmaktadır. Bu çalışmada, diş röntgenlerinde YOLOv7 tabanlı bir derin öğrenme algoritması kullanılarak lezyon ve çürüklerin otomatik olarak tespiti amaçlanmıştır. Uzman bir diş hekimi tarafından işaretlenmiş 400 adet panoramik diş röntgen görüntüsü kullanılmıştır. Bu işaretleme, lezyon ve çürük bölgelerinin hassas bir şekilde tanımlanmasını sağlamıştır. Daha sonra, bu görüntüler Roboflow platformunda YOLOv7 formatına dönüştürülmüş ve modelin eğitimi için kullanılmıştır. YOLOv7 algoritması, bu veriler üzerinde eğitilmiş ve diş röntgenlerindeki lezyonları ve çürükleri yüksek bir doğrulukla tanıma yeteneği sergilemiştir. Modelin performansı kesinlik, hatırlama, mAP gibi performans metrikleri kullanılarak değerlendirilmiş ve %38 ortalama kesinlik (mAP) değeri elde edilmiştir. Elde edilen sonuçlar, sağlık kurumları arasında teşhis tutarlılığını artırabilir, kişisel yorumlama hatalarını en aza indirebilir ve tedavi planlarını daha etkili hale getirebilir.
Özet (Çeviri)
The healthcare sector has made significant advancements in achieving more consistent diagnoses and successful outcomes through the utilization of deep learning algorithms. In the context of oral health, dental inflammations over time can lead to the development of cavities in teeth. When care is not taken for dental care, bacteria form in the person's mouth over time. This bacteria combine with food to damage tooth enamel and tooth decay occurs. Tooth decay is an important health problem that negatively affects our lives. Until recently inflamed teeth are immediately removed to prevent damage to other areas. Nowadays, with the development of imaging methods, various treatments have been used to prevent tooth lose and the success rate has increased. The diagnosis of these cavities and lesions are usually diagnosed by taking dental X-ray images. However, even when performed by expert professionals, such diagnoses may exhibit variations. Hence, there arises a need for leveraging deep learning-based approaches. This study aims to automatically detect lesions and cavities in dental X-ray images using a YOLOv7-based deep learning algorithm. Four hundred panoramic dental X-ray images, meticulously annotated by an expert dentist, were employed for this purpose. This annotation ensured precise delineation of lesion and cavity regions. Subsequently, these images were transformed into YOLOv7 format using the Roboflow platform and utilized for model training. The YOLOv7 algorithm was trained on this dataset and demonstrated a high level of accuracy in identifying lesions and cavities in dental X-ray images. The performance of the model was evaluated using performance metrics such as precision, recall and mAP resulting in an average precison(mAP) of 38%. The obtained results have the potential to enhance diagnostic consistency among healthcare institutions, minimize personal interpretation errors and optimize treatment plans.
Benzer Tezler
- Derin öğrenme yöntemi ile panoramik radyografilerdeki lezyonların tespiti
Detection of lesions on panoramic radiographs using deep learning method
DİLEK ÇOBAN
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiOrdu ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. YASİN YAŞA
- Bitewing radyografilerde interproksimal, okluzal ve sekonder çürüklerin yapay zekâ ile otomatik tespiti: klinik kullanım için arayüz tasarımı
Automatic detection of interproximal, occlusal and secondary caries in bi̇tewing radiographies with artificial intelligence: İnterface design for clinical use
RABİA KARAKUŞ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. MELEK TAŞSÖKER
- Panoramik radyografilerde tüm gömülü dişlerin ve winter sınıflamasına göre üçüncü molar dişlerin derin öğrenme ile otomatik tespiti ve lokalizasyonu: klinik kullanım için arayüz tasarımı
Automatic detection and localization of all impacted teeth and third molar teeth according to winter classification in panoramic radiographies with deep learning: i̇nterface design for clinical use
TAHA ZİREK
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. MELEK TAŞSÖKER
- Panoramik radyografilerde dens invajinatus varlığının yapay zekâ modelleriyle tespiti
Detection of dens invaginatus in panoramic radiographs using artificial intelligence models
AYŞE HANNE SARI
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. GÜLDANE MAĞAT
- Otonom araçlarda acil fren sistemi için stereo görüş kamerası ile mesafe ölçüm performansının incelenmesi
Investigation of distance measurement performance with stereo view camera for emergency braking systems in autonomous vehicles
HAMID HOSSEINZADEH
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF SOYLU
DR. ÖĞR. ÜYESİ ULAŞ YURTSEVER