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
- Tez No: 763849
- Danışmanlar: DOÇ. DR. KEMAL ADEM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Diş Hekimliği, Science and Technology, Computer Engineering and Computer Science and Control, Dentistry
- Anahtar Kelimeler: Derin öğrenme, Dolgu, Görüntü işleme, Kanallar, Köprüler, Panoramik görüntüleme, Deep learning, Filling, Image processing, Channels, Bridges, Panoramic imaging
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Aksaray Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ağızda bulunan bakterilerin ürettiği asitler dişlerin mineral dokusunu bozarak diş çürüklerine neden olmaktadır. Zamanla kişilerin ağzında bakteriler birikir ve bu bakteriler gıdalarla birleşir. Ağız bakımına yeterli özen gösterilmediğinde diş minesi zarar görür ve diş çürümeleri gerçekleşir. Yakın bir döneme kadar kökü iltihaplanmış hasta dişler, diğer bölgelere zarar vermemesi amacıyla çekilmekteydi. Fakat gelişen görüntüleme teknikleri sayesinde diş çekimi yapılmadan uygulanan tedavilerin sayısı ve başarı oranı hızla artmıştır. Diş çürükleri insanların hayatlarını olumsuz yönde etkilemektedir. Bu çalışmada röntgen görüntüleri üzerinde diş çürüklerinin hızlı bir şekilde tespit edilerek hastaların diş kayıplarının minimuma indirilmesi amaçlanmaktadır. Diş görüntüleri ile derin öğrenme modelleri kullanılarak uygulanan tedavi yöntemleri dolgu, kanal, köprü sınıflarına ayrılmıştır. Ayrıca diş görüntülerine ön işlem olarak luv-v kanalı ve adaptif histogram eşitleme işlemi uygulanarak derin öğrenme modellerinin performanslarının artırılması amaçlanmıştır. 553 tane diş röntgeninden oluşan veri seti üzerinde yapılan segmentasyon işlemlerinin ardından, derin öğrenme modellerinden Faster R-CNN ve Yolov5 modelleri ile deneysel çalışmalar gerçekleştirilmiştir. Yapılan deneysel çalışmalar sonucunda; Faster R-CNN %86.7 doğruluk değerine ulaşılırken, Yolov5 modelinde ise %92.7 oranında doğruluk oranına ulaşılmıştır. Görüntü işleme ve Yolov5 hibrit modelinin uygulanması sonucunda elde edilen karar destek sistemi diş kliniklerinde kullanılabilecektir.
Özet (Çeviri)
The acids produced by the bacteria in the mouth cause dental caries by disrupting the mineral tissue of the teeth. Over time, bacteria accumulate in the mouth of people and these bacteria combine with food. When adequate care is not given to oral care, tooth enamel is damaged and tooth decay occurs. Until recently, infected teeth were extracted in order not to damage other areas. However, thanks to developing imaging techniques, the number and success rate of treatments applied without tooth extraction has increased rapidly. Tooth decay affects people's lives negatively. In this study, it is aimed to quickly detect dental caries on x-ray images and to minimize the tooth loss of the patients. Treatment methods applied using dental images and deep learning models are divided into filling, canal and bridge classes. In addition, it is aimed to increase the performance of deep learning models by applying the Luv-v channel and adaptive histogram equalization process as a preprocessing to tooth images. After segmentation processes on the data set consisting of 553 dental x-rays, experimental studies were carried out with Faster R-CNN and Yolov5 models, which are deep learning models. As a result of the experimental studies; while Faster R-CNN reached %86.7 accuracy, Yolov5 model achieved %92.7 accuracy. The decision support system obtained as a result of image processing and application of the Yolov5 hybrid model can be used in dental clinics.
Benzer Tezler
- Automatic determination of plant type and phenological stage with deep learning methods
Tarla görüntülerinden bitki türü ve fenolojik evresinin derin öğrenme yöntemleri ile otomatik saptanması
AIGERIM KAIROLDAYEVA
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Segmentation of teeth region and teeth boundaries via machine learning and deep learning in panoramic X-ray dental images
ALİ GÜVEN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK
- Deep convolutional neural network based representations for person re-identification
Kişiyi yeniden tanıma için derin evrişimsel sinir ağı tabanlı modeller
ALPER ULU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Derin öğrenme ile görüntülerde gürültü giderme
Image denoising with deep learning
SERCAN SATICI
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Deep image prior based high resolution isar imaging for missing data case
Eksik veri için derin görüntü önceli tabanlı yüksek çözünürlüklü tyar görüntüleme
NECMETTİN BAYAR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER