Temporamandibular eklem bozukluklarının sınıfının derin öğrenme metodları kullanılarak belirleme
Determination of temporomandibular joint disorder classes using deep learning methods
- Tez No: 922791
- Danışmanlar: DR. ÖĞR. ÜYESİ UĞUR TAŞKIRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 49
Özet
Temporomandibular Eklem (TME) çene kemiği ile kafatası arasında yer alan ve ağız ve çene hareketlerini kontrol eden karmaşık bir eklem sistemidir. Bu sistemin herhangi bir kısmında ortaya çıkan fonksiyon bozukluklarına Temporomandibular Eklem Bozukluğu (TMB) denir ve özellikle çiğneme, yutma ve benzeri çene ile ilgili ciddi sağlık sorunlarına yol açmaktadır. TMB'nin teşhisinde genellikle klinik muayene sırasında hekimin çene ile ilgili olarak el ve göz ile muayene, çene açıklığını ölçmesi gibi yöntemlerin yanı sıra hareket esnasında çene kemiği sesinin stetoskop veya ekstrem durumlarda çıplak kulak ile dinlenmesi de vardır. Bu tezde daha önceden klinik muayene sırasında kaydedilmiş seslerin işlenerek derin öğrenme vasıtasıyla eklem rahatsızlığının belirlenmesi için daha önceden geliştirilen yöntemin genişletilmiş bir uygulaması yapılmıştır. Bu araştırmada daha önceden yapılmamış olan rahatsızlığın tipinin belirlenmesi amaçlanmıştır. Bu rahatsızlıklara ait ses tipleri literatürde klik, krepitayonlu klik, yumuşak krepitasyon ve sert krepitasyon olarak belirlenmiştir. Bu sınıflandırma kullanılarak genişletilmiş bir veri seti oluşturulmuş ve derin öğrenme tabanlı bir sınıflandırma yöntemi kullanılarak hastalık çeşidi ortalamada %95 üstü bir başarı ile sınıflandırılmıştır.
Özet (Çeviri)
Temporomandibular Joint (TMJ) is a complex joint system located between the jawbone and skull and controls mouth and jaw movements. Functional disorders that occur in any part of this system are called Temporomandibular Joint Disorder (TMD) and lead to serious health problems, especially related to chewing, swallowing and similar jaw problems. In the diagnosis of TMD, the physician usually uses methods such as inspection of the jaws with hand, eye, measuring the jaw opening during the clinical examination, as well as listening to the sound of the jawbone during movement with a stethoscope or, in extreme cases, just by simply listening to the sound made by the joint in movement. In this thesis, an extended application of the previously developed method was made to determine joint disease through deep learning by processing the sounds previously recorded during clinical examination. This study aimed to determine the type of disease, which has not been done before. The sound types of these disorders have been determined in literature such as clicking, crepitation clicking, soft crepitation and hard crepitation. Using this classification, an expanded data set was created, and the disease type was classified with an average success rate of over 95% using a deep learning-based classification method.
Benzer Tezler
- Temporomandibular eklem bozukluklarında kemik döngüsü, lipid oksidasyon ve oksidatif stres biyobelirteçlerinin değerlendirilmesi
Evaluation of bone turnover, lipid oxidation and oxidative stress biomarkers in temporomandibular joint disorders
ÖZGECAN YÜCELER
Doktora
Türkçe
2022
Diş HekimliğiGazi ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. DİLEK AYNUR ÇANKAL
- Temporomandibular eklem bozukluklarının belirlenmesinde sinyal işleme ve yapay zeka tekniklerinin kullanılması
Determination of temporomandibular joint disorder by using signal processing and artificial intelligence techniques
UĞUR TAŞKIRAN
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇUNKAŞ
- Anksiyete düzeylerine göre masseter kas kalınlığının ultrasonografi ile değerlendirilmesi
Assessment of masseter muscle thickness by ultrasonography according to anxiety levels
MUSTAFA ÇAĞDAŞ ÖÇAL
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiFırat ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜMEYYE COŞGUN BAYBARS
- Analysis and classification of temporomandibular joint sounds in orthodontic patients
Ortodonti hastalarında temporomandibular eklemi bileşik seslerinin çözümlenmesi ve sınıflandırılması
AYŞEGÜL ERGİN
Yüksek Lisans
İngilizce
2002
Diş HekimliğiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL ÖZCAN GÜLÇÜR
- Ortodontik tedavide karşılaşılan biyomedikal işaret ve görüntülerin işlenmesi
Processing of the biomedical signal and images obtained on the orthodontical treatment
AHMET SONER ÖZALTINDERE
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDIN AKAN