Panoramik radyografik görüntüleri kullanan derin öğrenme tabanlı otomatik diş bölütleme yaklaşımı
Deep learning based automated teeth segmentation approach using panoramic radiographic images
- Tez No: 918650
- Danışmanlar: PROF. DR. BAHADIR KARASULU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Bu çalışma, diş hekimliğinde sıklıkla teşhis ve tedavi yöntemleri için kullanılan panoramik radyografi görüntülerini ile sınıflandırılmasını gerçekleştiren bir yöntem sunmaktadır. Sınıflandırma sonucunda, hastanın yaş grubuna uygun olarak özel olarak eğitilmiş modeller kullanılarak diş yapıları için otomatik bölütleme yapılmıştır. Bu sayede, yetişkin ve çocuk hastalar için farklı anatomik ve yapısal özellikler göz önünde bulundurularak daha hassas sonuçlar elde edilmiştir. Sınıflandırma modelinin başarımı Tufts veri kümesiyle değerlendirilmiş ve başarım doğruluğu 0,80 olarak kaydedilmiştir. Çalışmada geliştirilen derin öğrenme modeli, dişlerin otomatik olarak tespit edilmesini ve bölütlenmesini sağlayarak diş hekimlerine tanı ve tedavi süreçlerinde önemli veriler sunmaktadır. Bölütleme görevi için yetişkin ve çocuk görüntüleriyle iki ayrı model eğitilmiştir. Yetişkin görüntüleriyle eğitilen model DeepLabV3+ResNet50 iken çocuk görüntüleri ile eğitilen model olarak UNet seçilmiştir. Yetişkin görüntülerinde Kesişimin Birleşim Üzerine Oranında 0,90, Dice Katsayısında 0,95 başarı elde edilirken, çocuk görüntülerin bölütlenmesinde başarı Kesişimin Birleşim Üzerine Oranında 0,90, Dice Katsayısında 0,94 olarak kaydedilmiştir. Bu modellerin diş hekimleri tarafından daha rahat kullanılabilir olması açısından Gradio kütüphanesi kullanılarak grafiksel kullanıcı arayüzü oluşturulmuştur. Sunulan yöntem ve oluşturulan arayüz sayesinde hem tanı sürecinin doğruluğu artırılmış hem de hekimlerin iş yükü azaltılmaktadır. Çalışmada, diş hekimliği alanındaki tıbbı bilginin teknoloji ile daha verimli kullanılması, hastaların ihtiyaçlarına daha hızlı ve etkili çözümler sunmayı hedeflemektedir.
Özet (Çeviri)
This study presents a method for classifying panoramic radiographic images, which are frequently used for diagnostic and treatment purposes in dentistry. Following the classification, automatic segmentation of dental structures was performed using models specifically trained according to the patient's age group. This approach allowed for more precise results by considering the distinct anatomical and structural features of adult and pediatric patients. The accuracy of the classification model was evaluated using the Tufts dataset and recorded as 0.80. The deep learning model developed in this study enables the automatic detection and segmentation of teeth, providing significant data for dentists in diagnosis and treatment processes. For the segmentation task, two separate models were trained with adult and pediatric images. The model trained with adult images was DeepLabV3+ResNet50, while UNet was selected as the model for pediatric images. The segmentation performance for adult images achieved an Intersection over Union of 0.90 and a Dice Coefficient of 0.95. For pediatric images, the Intersection over Union was 0.90, and the Dice Coefficient was recorded as 0.94. To enhance usability for dentists, a user interface was developed by using Gradio library for these models. The proposed method and the accompanying interface improve diagnosis accuracy while reducing the workload of practitioners. This study aims to enhance the efficiency of medical knowledge in dentistry through technological advancements, ultimately providing faster and more effective solutions to patient needs
Benzer Tezler
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CANER ÖZCAN
- Bifosfonat grubu ilaç kullanan hastalarda demografik, klinik veriler ve radyolojik bulgular arasındaki ilişkinin retrospektif olarak değerlendirilmesi
Retrospective evaluation of the relationship between demographic, clinical and radiological findings in the patients using bisphosphonates
BEGÜM OKUR
Doktora
Türkçe
2016
Diş HekimliğiGazi ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. SEDAT ÇETİNER
- Sigara kullanımının apikal periodontitis ve sinüs membran kalınlığına etkisinin farklı görüntüleme teknikleriyle retrospektif olarak incelenmesi
Retrospective investigation of the effect of smoking on apical periodontitis and sinus membrane thickness with different imaging techniques
GÜLŞEN ERMİŞ
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiKırıkkale ÜniversitesiEndodonti Ana Bilim Dalı
PROF. DR. ALİ ERDEMİR
- Periodontal hastalıkların güncel sınıflamaya (2018) uygun tanısı için derin evrişimsel sinir ağı tabanlı bir karar sistemi tasarımı
A deep convolutional neural network based decision system for the diagnosis of periodontal diseases according to the current clasification (2018)
KÜBRA ERTAŞ
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiSüleyman Demirel ÜniversitesiPeriodontoloji Ana Bilim Dalı
PROF. DR. ZUHAL YETKİN AY
- Diş hekimliği lisans öğrencileri tarafından yapılan kök kanal tedavisi ve üst restorasyonların kalitesinin periapikal sağlık ile ilişkisinin değerlendirilmesi: retrospektif bir çalışma
Evaluation of the relationship between periapikal health and the quali̇ty of root canal treatment and upper restorati̇ons performed by dental undergraduate students: a retrospecti̇ve study
AHMET EMRE KASSAP
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiAkdeniz ÜniversitesiEndodonti Ana Bilim Dalı
DOÇ. DR. ÖZNUR GÜÇLÜER