Konik ışınlı bilgisayarlı tomografi görüntülerinde derin öğrenme tabanlı kritik anatomik yapıların tespiti
Deep learning based detection of critical anatomical structures in cone beam computed tomography images
- Tez No: 900328
- Danışmanlar: DOÇ. DR. MUAMMER TÜRKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Samsun Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Bu çalışma, konik ışınlı bilgisayarlı tomografi (KIBT) görüntülerinde kritik anatomi yapılarının tespiti için kullanılan bölgesel segmentasyon yöntemlerinin, çalışma performanslarını karşılaştırmayı amaçlamaktadır. Tez kapsamında, özellikle infraorbital foramen ve maksiller sinüs yapılarının radyografik görüntüler üzerinden doğru bir şekilde tespit edilmesi amaçlanmıştır. Maksiller sinüs ve infraorbital foramen, çeşitli klinik uygulamalarda önemli anatomik yapılardır. Bu yapıları hassas ve doğru bir şekilde tespit etmek, doğru teşhis koymak ve tedavi planlaması yapmak son derece önemlidir. Tez çalışması doğrultusunda, farklı yapılara sahip bölgesel segmentasyon mimarileri maksiller sinüs ve infraorbital foramen tespiti için incelenmiş ve karşılaştırılmıştır. Her bir model, maksiller sinüs ve infraorbital foramen tespiti görevi için eğitilmiş ve test edilmiştir. Bu süreç, farklı ağ mimarileri ve öğrenme stratejilerinin performans üzerindeki etkisini değerlendirmeyi hedeflemektedir. Çalışmada kullanılan veri seti, medikal görüntüleme cihazlarından elde edilen 3D tomografi ve radyografi kesitlerinden oluşmaktadır. Her modelin tespit performansı, hassasiyet (precision), doğruluk (accuracy), gerçek pozitif oranı (recall) ve F1 skoru gibi metriklerle değerlendirilmiştir. Çalışmanın diş hekimliği, çene cerrahisi ve otolarengoloji uygulamalarında görüntü analiz süreçlerini optimize etmeyi ve tedavi planlamasında doğruluğu artırması hedeflenmektedir.
Özet (Çeviri)
This study aims to compare the performance of regional segmentation methods used for the detection of critical anatomical structures in cone-beam computed tomography (CBCT) images. In particular, the accurate detection of infraorbital foramen and maxillary sinus structures from radiographic images is the focus of the thesis. The maxillary sinus and infraorbital foramen are important anatomical structures in various clinical applications. Accurate and sensitive detection of these structures is crucial for proper diagnosis and treatment planning. In line with the thesis, different regional segmentation architectures with different structures were examined and compared for the detection of the maxillary sinus and infraorbital foramen. Each model was trained and tested for the task of maxillary sinus and infraorbital foramen detection. This process aims to evaluate the effect of different network architectures and learning strategies on performance. The original dataset used in the study includes slices from 3D tomography radiography images obtained from medical imaging devices. The detection performance of each model has been evaluated using metrics such as precision, accuracy, recall, and F1 score. The study aims to optimize image analysis processes in dentistry, maxillofacial surgery, and otolaryngology applications and to improve accuracy in treatment planning.
Benzer Tezler
- Derin öğrenme yöntemine dayalı yapay zeka algoritmalarıyla konik ışınlı bilgisayarlı tomografi görüntülerinde dişlerin tespit edilmesi ve numaralandırılması
Detection and numbering of teeth in CONE-BEAM computed tomography images with artificial intelligence algorithms based on deep learning method
HANDE SAĞLAM
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiEskişehir Osmangazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR
- Yapay zeka algoritmaları kullanılarak konik ışınlı bilgisayarlı tomografi görüntülerinde semento-osseöz lezyonların tespiti
Detection of cemento-osseous lesions in cone beam computed tomography images using artificial intelligence algorithms
DUYGU ÇELİK ÖZEN
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş Hekimliğiİnönü ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. OĞUZHAN ALTUN
- Konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen posteroanterior sefalometrik (Frontal) görüntüler üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla sefalometrik noktaların tespiti
Detection of cephalometric points with artificial intelligence algorithms improved by deep learning method on posteroanterior cephalometric (Frontal) images obtained from cone-beam computed tomography images
GİZEM GÖZDE ÖZŞAHİN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET UĞURLU
- Konı̇k ışınlı bı̇lgı̇sayarlı tomografı̇ görüntülerı̇nden elde edı̇len lateral sefalometrı̇k radyograflar üzerı̇nden derı̇n öğrenme yöntemı̇yle gelı̇ştı̇rı̇lmı̇ş yapay zeka algorı̇tmalarıyla servı̇kal vertebra maturasyonunun değerlendı̇rı̇lmesı̇
Detection of cervical vertebrae maturation with artificial intelligence algorithms improved by deep learning method on lateral cephalometric images obtained from cone-beam computed tomography images
İREM BALCI İNCEBEYAZ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU
- Konik ışınlı bilgisayarlı tomografi görüntüleri üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla faringeal havayolu değerlendirilmesi
Evaluation of the pharyngeal airway with artificial intelligence algorithms improved by deep learning method on cone-beam computed tomography images
BATUHAN KULELİ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU