Derin öğrenme yöntemi ile panoramik radyografiden diş eksikliklerinin tespiti: Bir yapay zekâ pilot çalışması
Amaç: Bu çalışmanın amacı, panoramik radyografide diş eksikliklerinin değerlendirilmesi için tasarlanmış tanı amaçlı bilgisayar yazılımının işlevini geliştirmek ve değerlendirmektir.Gereç ve Yöntemler: Veri seti eksik diş tespiti için 99 tam diş ve 54 eksik diş olmak üzere 153 gör...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Book |
| Published: |
Selçuk University,
2019-11-01T00:00:00Z.
|
| Subjects: | |
| Online Access: | Connect to this object online. |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Amaç: Bu çalışmanın amacı, panoramik radyografide diş eksikliklerinin değerlendirilmesi için tasarlanmış tanı amaçlı bilgisayar yazılımının işlevini geliştirmek ve değerlendirmektir.Gereç ve Yöntemler: Veri seti eksik diş tespiti için 99 tam diş ve 54 eksik diş olmak üzere 153 görüntüden oluşmaktadır. Tüm görüntüler Ağız, Diş ve Çene Radyolojisi uzmanları tarafından tekrar kontrol edilmiş ve doğrulanmıştır. Veri setindeki tüm görüntüler eğitim öncesinde 971 X 474 piksel olarak yeniden boyutlandırılmıştır. Açık kaynak kodlu python programlama dili ve OpenCV, NumPy, Pandas, ile Matplotlib kütüphaneleri etkin olarak kullanılarak bir rastgele dizilim oluşturulmuştur. Önceden eğitilmiş bir Google Net Inception v3 CNN ağı ön işleme için kullanılmış ve veri setleri transfer öğrenimi kullanılarak eğitilmiştir.Bulgular: Eğitim de kullanılan görüntülerin modeli tahminlendirmesi ile çıkan başarı oranı % 94.7'dir. Eğitimde kullanılmayan test için ayrılan görüntülerin tahminlemesindeki başarı oranı % 75'dir. Sonuç: Derin öğrenme tekniklerinde veri seti arttıkça başarı oranları da artmaktadır. Daha fazla görüntüyle oluşacak veri setininin eğitim modellerinde başarı oranları yükselecektir. Gelecek çalışmalar daha büyük veri setleriyle yapılmalıdır.ANAHTAR KELİMELER Panoramik radyografi, derin öğrenme, yapay zekâ |
|---|---|
| Item Description: | 2148-7529 |