DİŞ RÖNTGEN GÖRÜNTÜLERİNDE HASTALIK VE MATERYAL TESPİTİ İÇİN MAKİNE ÖĞRENMESİNE DAYALI YAKLAŞIMLAR

Abstract

Son zamanlarda bilgisayar yazılım ve donanım teknolojisindeki hızlı gelişmeler, dijital dünyanın ve iletişimin gelişimiyle birlikte, nesnelerin interneti kavramının popülerlik kazanmasına yol açmıştır. Teknolojik ilerlemeler, özellikle nesne sınıflandırma, nesne tespiti ve örüntü tanıma gibi alanlarda da büyük bir etkiye sahiptir. Bu tez çalışması, diş röntgen görüntülerinde derin öğrenme yöntemlerinin kullanılmasıyla hastalık ve materyal tespiti konusunu ele almaktadır. Günümüzde diş sağlığı, tıp alanında önemli bir konudur ve diş röntgen görüntülerinin doğru bir şekilde analiz edilmesi, doğru tanı ve tedavi için büyük bir öneme sahiptir. Tez çalışması, diş hekimlerinin tanı ve tedavi süreçlerinde daha doğru ve hızlı kararlar almalarına yardımcı olacak potansiyele sahip olan derin öğrenme yöntemlerini diş röntgen görüntülerinde kullanma konusunda bir adım atmaktadır. Literatürdeki mevcut çalışmalarda, bu alanda kullanılabilecek yeterli ve özgün veri setlerinin eksikliği gözlemlenmiştir. Bu nedenle, tez çalışmasının bir parçası olarak, uzman bir diş hekimi yardımı ile incelenerek özgün bir veri seti oluşturulmuştur. Bu özgün veri seti, tez çalışmasının temelini oluşturmakta ve önerilen derin öğrenme tabanlı algoritmalarının doğruluğu ve performansı üzerinde değerlendirilmektedir. Ayrıca önerilen bu özgün yöntemlerin başarısını analiz etmek için güncel modellerle karşılaştırılmıştır. Elde edilen sonuçlar, önerilen yöntemlerin etkili olduğunu, literatürdeki eksikliği gidererek diş röntgen görüntülerinde hastalık ve materyal tespiti konusunda daha güvenilir ve etkili yöntemlerin geliştirilmesine katkı sağlamaktadır.

Recently, rapid developments in computer software and hardware technology, along with the development of the digital world and communication, have led to the popularity of the concept of the internet of things. Technological advances also have a major impact, especially in areas such as object classification, object detection, and pattern recognition. This Ph.D. thesis study deals with the detection of disease and material by using deep learning methods in dental x-ray images. Today, dental health is an important issue in the field of medicine and accurate analysis of dental x-ray images is of great importance for correct diagnosis and treatment. The thesis study takes a step forward in using deep learning methods in dental x-ray images, which have the potential to help dentists make more accurate and faster decisions in the diagnosis and treatment processes. In the current studies in the literature, it has been observed that there is a lack of sufficient and original data sets that can be used in this field. Therefore, as a part of the thesis study, an original data set was created by examining it with the help of a specialist dentist. This original data set forms the basis of the thesis and is evaluated on the accuracy and performance of the proposed deep learning-based algorithms. In addition, these original methods were compared with current models to analyze the success of these proposed methods. The results obtained contribute to the development of more reliable and effective methods for the detection of disease and material in dental x-ray images by eliminating the deficiency in the literature, that the proposed methods are effective.