Geri Dön

Temporamandibular eklem bozukluklarının sınıfının derin öğrenme metodları kullanılarak belirleme

Determination of temporomandibular joint disorder classes using deep learning methods

  1. Tez No: 922791
  2. Yazar: BEYZA ŞİŞCİOĞLU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ UĞUR TAŞKIRAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Derin öğrenme, Sayısal işaret işleme, Temporomandibular eklem, Temporomandibular eklem hastalıkları, Deep learning, Digital signal processing, Temporomandibular joint, Temporomandibular joint disorders
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Entübasyon zorluğunun anatomik faktörlerle ilişkisi

    Başlık çevirisi yok

    HATİCE ECE KARACA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1990

    Anestezi ve Reanimasyonİstanbul Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    PROF.DR. YILDIZ KÖSE

  2. Temporomandibuler eklem (TMJ) kas ağrı disfonksiyon sendromunda (TMJMPD) transkütanöz elektriksel sinir uyarımının (TENS) etkinliği

    Başlık çevirisi yok

    İLKNUR ÖZCAN DUMAN

    Doktora

    Türkçe

    Türkçe

    1991

    Diş Hekimliğiİstanbul Üniversitesi

    Diş Hastalıkları ve Tedavisi Ana Bilim Dalı

    DOÇ.DR. SEÇKİN DİNDAR