Geri Dön

Derin öğrenme yöntemlerini kullanarak X-ray görüntüleri üzerinden farklı implant türlerinin sınıflandırılması

Classification of different implant types from X-ray images using deep learning methods

PDF İndir

  1. Tez No: 856995
  2. Yazar: YILDIZ AYDIN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEDA ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Çankırı Karatekin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 117

Özet

Bu çalışma, X-ray görüntüleri üzerinde farklı implant türlerini sınıflandırmak için derin öğrenme modellerinin kullanılması üzerine odaklanmaktadır. Açık veri kaynaklarından elde edilen 597 görüntüden oluşan 4 sınıflı omuz implant veri seti ile 2376 adet görüntüden oluşan diş implant veri seti kullanılarak gerçekleştirilmiştir. Bu sınıflandırma işlemi, InceptionResNetV2, ResNet152V2, Xception ve DenseNet201 gibi derin öğrenme modelleri kullanılarak gerçekleştirilmiştir. Model eğitimi için Adam ve RMSprop algoritmaları ve farklı öğrenme oranları seçilmiştir. Ayrıca, veri setlerinde veri artırma ve CLAHE filtresi uygulanarak, modelin performansı artırılmaya çalışılmıştır. Bu tekniklerin uygulanmasıyla elde edilen sonuçlara bakıldığında her iki veri setinde de Xception modeli en iyi başarımı göstermiştir. Omuz implant veri setinde modelin test doğruluk değeri 0,85, F1-skoru 0,85 ve AUC değeri 0,95 iken diş implant veri setinde test doğruluk değeri 0,90, F1-skoru 0,91 ve AUC değeri 0,97 ulaşmıştır. Bu araştırma, x-ray görüntüleri üzerinde farklı implant türlerini sınıflandırmak için derin öğrenme modellerinin kullanılabilirliğini ve etkinliğini vurgulamaktadır. Elde edilen sonuçlar, bu teknolojilerin klinik uygulamalarda potansiyel olarak değerli bir rehber olabileceğini göstermektedir. Veri artırma ve CLAHE filtresi uygulanması, modelin performansını artırmaktadır.

Özet (Çeviri)

This study focuses on using Deep Learning models to classify different types of implants in X-ray images. It was conducted using a dataset consisting of 597 images of 4 classes of shoulder implants and 2376 images of dental implants which are sourced from open data repositories. The classification task was performed using deep learning models such as InceptionResNetV2, ResNet152V2, Xception, and DenseNet201. Model training was involved with the usage of Adam and RMSprop optimizers with varying learning rates. Additionally, data augmentation and the application of the CLAHE filter were employed to enhance model performance. Results indicate that the Xception model outperformed others in both datasets. In the shoulder implant dataset, the model achieved a test accuracy of 0.85, F1-score of 0.85, and an AUC score of 0.95 while in the dental implant dataset, the test accuracy was 0.90, F1-score was 0.91, and AUC score was 0.97. This research underscores the utility and effectiveness of deep learning models in classifying different implant types in x-ray images. The results show that this study can be suggested as potential guide in clinical applications. Furthermore, the application of data augmentation and the CLAHE filter improves model performance.

Benzer Tezler

  1. Tez No

    723016

    X-ray görüntülerinde derin öğrenme yöntemleri ile tehdit tespiti

    Threat detection in X-ray images with deep learning techniques

    ELİF ALTINDAĞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM

  2. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    892546

    Derin öğrenme yöntemleri ile ektopik erüpsiyon bölgelerinin otomatik tespiti ve şiddet sınıflandırması

    Automatic detection and severity grading of ectopic eruption regions using deep learning methods

    ESEN TURUNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAMZA OSMAN İLHAN

  4. Tez No

    886696

    Classification of knee osteoarthritis severity using deep learning with fully supervised and semi-supervised-based approaches

    Derin öğrenme ile tamamen denetimli ve yarı-denetimli yaklaşım tabanlı diz osteoartrit şiddetinin sınıflandırılması

    İLKNUR AKTEMUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKAY ÖKSÜZ

  5. Tez No

    864120

    Determination of bone age assessment

    Kemik yaşı belirlenmesinin değerlendirilmesi

    DOĞACAN TOKA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI

Geri Dön