Derin öğrenme ile manyetik rezonans görüntülerde temporomandibular eklem disk deplasmanlarının diagnozu
Diagnosis of temporomandibular joint disc displacements inmagnetic resonance images with deep learning
- Tez No: 577331
- Danışmanlar: DOÇ. DR. MEHMET İTİK
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Biyoistatistik, Derin öğrenme, Makine öğrenmesi, Manyetik rezonans görüntüleme, Sinir ağları, Temporomandibular eklem, Temporomandibular eklem hastalıkları, Bioistatistics, Deep learning, Machine learning, Magnetic resonance imaging, Nerve net, Temporomandibular joint, Temporomandibular joint disorders
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin öğrenme temelinde insanı taklit eden, önceden bilinen verilerden çok katmanlı sinir ağları kullanılarak özellik çıkartabilen, bilinmeyen veriler üzerinde sınıflandırma ve analiz yapabilen bir makine öğrenmesi çeşididir. Teknolojinin ilerlemesiyle yetersiz kalmaya başlayan öğrenme çeşitlerine alternatif olan derin öğrenme; son zamanlarda akademisyenler, araştırmacılar ve bilim insanlarının sıkça tercih etmeye başladığı bir öğrenme çeşididir. Yapay zeka çalışmalarının artmasıyla birlikte ortaya çıkan bu yöntem, imgelerin tanınma ve öğrenme sürecinin çok daha hızlı gerçekleşmesini sağlamaktadır. Manyetik rezonans görüntüleme (MRG), temporomandibular eklem (TME) disk deplasmanının tespit etmek için kullanılan en yaygın görüntüleme tekniğidir. MR görüntüleri TME disk deplasmanlarını tespit etmek için radyologlar tarafından elle analiz edilmektedir. Çok büyük görüntü hacminin manuel olarak yorumlanması zaman alıcı ve zor olmaktadır. Bu nedenle, bilgisayar tabanlı algılama, doğru ve hızlı tanılamada yardımcı olmaktadır. Bu çalışmada, normal ve disk deplasmanı olan MR görüntülerinin derin öğrenme yaklaşımının, konvolüsyonel sinir ağları (CNN) yöntemi ile sınıflandırılması amaçlanmıştır. Bu çalışma doğrultusunda CNN tabanlı AlexNET ve GoogLeNET derin öğrenme modelleri farklı hiper-parametreler kullanılarak test edilmiştir. Bu çalışma sonunda TME disk deplasmanı teşhisinde derin öğrenmenin başarılı sonuçlar verdiği görülmüştür.
Özet (Çeviri)
It is a kind of machine learning that simulates human being on the basis of deep learning, can extract features from previously known data using multi-layer neural networks, and can make classification and analysis on unknown data. Deep learning which is an alternative to the learning varieties that are beginning to be insufficient with the advancement of technology; is a type of learning that academicians, researchers and scientists have recently started to prefer. This method, which occurs with the increase of artificial intelligence studies, makes the recognition and learning process of images much faster. Magnetic resonance imaging (MRI) is the most common imaging technique used to detect temporomandibular joint (TMJ) disc displacement. MRI images are analyzed manually by radiologists to detect disc displacements. Manual interpretation of very large image volumes is time consuming and difficult. Therefore, computer-based detection helps in accurate and rapid diagnostics. In this study, it was aimed to classify the deep learning approach of normal and disk displacement MR images with convolutional neural network (CNN). In this study, CNN-based AlexNET and GoogLeNET deep learning models were tested using different hyper-parameters. At the end of this study, deep learning was found to be successful in diagnosing TMJ disc displacement.
Benzer Tezler
- Tümör tanılı farklı sekans manyetik rezonans görüntülerinin derin öğrenme modelleri ile sınıflandırılması
Classification of tumor diagnosed different sequence magnetic resonance with deep learning models
TÜRKAN DOĞANALP
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiNecmettin Erbakan ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET ÜSAME ÖZİÇ
- Yapay zeka yöntemleri ile multipl sklerozis tanısı
Başlık çevirisi yok
BARAN BAYTAR
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. FATMA SİBEL BAYRAMOĞLU
- Deep learning approaches for multiple sclerosis lesion segmentation using multi-sequence 3D MR images
Çok sekanslı 3B MR görüntüleri kullanılarak multiple skleroz lezyon bölütlemesi için derin öğrenme yaklaşımları
BEYTULLAH SARICA
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Rektum kanserinde neoadjuvan tedaviye cevabın değerlendirilmesinde derin öğrenmenin yeri
The role of deep learning in the evaluation of the response toneoadjuvant chemoradiotherapy in rectal cancer
EDA CİNGÖZ
Tıpta Uzmanlık
Türkçe
2022
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MERVE GÜLBİZ DAĞOĞLU KARTAL
- Beynin beyaz cevher bölgesindeki yüksek yoğunluklu alanların oluşum ve yayılımına yönelik uzman sistem tasarımı ve gerçeklenmesi
Expert system design and implementation for the occurrence and spread of hyperintense areas in the white matter region of the brain
İZZET ÖZEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR TEVFİK AKGÜN