Derin öğrenme ve görüntü işleme teknikleri ile ağız içi fotoğraflarından oral mukozal lezyonların tespiti ve alanlarının ölçümü
Detection and measurement of oral mucosal lesions using deep learning and image processing techniques
- Tez No: 950673
- Danışmanlar: DOÇ. DR. ÖZGÜN YILMAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 100
Özet
Bu çalışmanın amacı, yapay zekânın alt dalı olan derin öğrenme ve görüntü işleme teknikleri ile ağız içi görüntülerden oral mukozal lezyonları tespit ederek maskelemek ve lezyon alanını ölçmektir. Lezyon alanının ölçülmesi ile zaman içinde lezyonda oluşan değişimin belirlenmesi ve uzman hekimlere tedavi planlaması için yardımcı olması amaçlanmıştır. Literatürde özellikle hastalık tespiti çalışmalarında ağız içi lezyon tespiti ve segmentasyonu ile ilgili kapsamlı bir çalışmanın olmadığı, bununla beraber hastalıklı bölgenin tespiti sonrası alanını ölçen bir çalışmanın da olmadığı görülmektedir. Çalışmanın literatüre katkısı oral mukozal lezyonların ağız içi görüntülerden tespit edilmesi ve lezyon alanının ölçülmesidir. Bu amaçla uzman hekimlerin katkılarıyla özgün bir veri seti oluşturulmuştur. Çalışmada derin öğrenme ile lezyon tespiti yapılmakta ve sınırları belirlenen lezyonun alanı ölçülebilmektedir. Ölçümler, ImageJ programının ölçümleriyle karşılaştırılmıştır. Çalışmada Mask-RCNN algoritması kullanılmıştır ve ağız içi görüntü veri seti ile eğitildikten sonra yeni lezyonlu görüntüleri tespit edip sınırlarını maske ile belirtebilmektedir. Mask-RCNN algoritması, literatürde yaygın kullanılan performans metrikleri dikkate alınarak değerlendirilmiştir. Bu değerler literatürde yapılan çalışmalarla karşılaştırıldığında çalışmada kullanılan ve geliştirilen Mask-RCNN algoritmasının iyi bir performans gösterdiği görülmektedir.
Özet (Çeviri)
The aim of this study is to detect and mask oral mucosal lesions from intraoral images and to measure the lesion area with deep learning and image processing techniques, which are sub-branches of artificial intelligence. By measuring the lesion area, it is aimed to determine the change in the lesion over time and to help specialist physicians for treatment planning. In the literature, it is seen that there is no comprehensive study on intraoral lesion detection and segmentation, especially in disease detection studies, and there is no study that measures the area of the diseased area after detection. The contribution of this study to the literature is the detection of oral mucosal lesions from intraoral images and measurement of the lesion area. For this purpose, a unique data set was created with the contributions of expert physicians. In the study, lesion detection is performed with deep learning and the area of the lesion whose boundaries are determined can be measured. The measurements are compared with the measurements of ImageJ programme. The Mask-RCNN algorithm is used in this study, and after training with intraoral image dataset, it is able to detect images with new lesions and indicate their boundaries with a mask. The Mask-RCNN algorithm was evaluated by considering the performance metrics commonly used in the literature. When these values are compared with the studies in the literature, it is seen that the Mask-RCNN algorithm used and developed in the study shows a good performance.
Benzer Tezler
- Panoramik radyografiler kullanılarak dental implant sistemlerinin tanımlanmasında yapay zekanın etkinliği
Effectiveness of artificial intelligence in the identification of dental implant systems using panoramic radiographs
SEFA SÖĞÜTÖZÜ
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiAnkara ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. MİNE CAMBAZOĞLU
- Diş görüntüleri üzerinde görüntü işleme ve derin öğrenme yöntemleri kullanılarak çürük seviyesinin sınıflandırılması
Classification of caries level using image processing and deep learning methods on dental images
ÜMRAN ÜNSAL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
- Pekiştirmeli öğrenme ile yüz görüntüsünün yüksek çözünürlükte elde edilmesi
High resolution facial image acquisition with reinforcement learning
EMRE ALTINKAYA
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Facial expression analysis foran online usability evaluation platform
Çevrimiçi kullanılabilirlik değerlendirme platformu için yüz ifadesi analizi
ALİ AZMOUDEH
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- An improved transfer learning based siamese network for face recognation
Yüz tanıma için geliştirilmiş aktarım öğrenme tabanlı sıamese ağı
DALHM GHALIB HALBOOS AL-SHAMMARI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
البروفيسور. دكتور. DEVRİM AKGÜN