Görüntü işleme teknikleri ve evrişimsel sinir ağı kullanılarak bilgisayar destekli diş segmentasyonu

Authors : İsmail Kayadibi, Utku Köse, Gür Emre Güraksın

Pages : 924-933

View : 46 | Download : 75

Publication Date : 2024-12-28

Article Type : Research Paper

Abstract :Panoramik diş röntgeni, diş problemlerinin teşhisi için kullanılan yaygın bir görüntüleme yöntemidir. Ancak, bu görüntüleme ile elde edilen panoramik diş röntgen görüntülerinin çözünürlüğü nispeten düşüktür. Bu nedenle, dişte oluşan problemler gözden kaçabilmektedir. Bu amaçla, bu çalışmada panoramik diş röntgen görüntülerinden bilgisayar destekli klinik karar destek sistemlerinde diş segmentasyonu için görüntü önişlem yöntemi ve evrişimsel sinir ağı (ESA) içeren bir yöntem önerilmiş ve bu önerilen yöntemin performans değerlendirmesi için Güneybatı Bahia Eyalet Üniversitesi (UESB) veri seti kullanılmıştır. İlk olarak, U-Net, SegNet ve DeepLabv3+ mimarileri UESB veri seti üzerinde eğitilmiş ve ardından test edilmiştir. Sonrasında, UESB veri setine sırasıyla Histogram Eşitleme (HE), Kontrast Germe (KG) ve Kontrast Sınırlı Uyarlanabilir Histogram Eşitleme (KSUHE) görüntü önişlemleri uygulanmıştır. Görüntü önişlem yöntemlerinin performansa etkisini ölçmek için, elde edilen önişlemli veri setleri U-Net, SegNet ve DeepLabv3+ mimarileri üzerinde tekrar eğitilmiş ve test edilmiştir. Elde edilen test sonuçlarına göre KG, bu çalışmada kullanılan diğer önişlemlere kıyasla DeepLabv3+ ve SegNet mimarilerinde en fazla performansı iyileştiren önişlem yöntemi olmuştur. En yüksek performansı ise, KG önişlemli veri seti ile eğitilmiş SegNet mimarisi elde etmiş ve diş segmentasyonu için önerilmiştir. Karşılaştırmalı performans analizinde KG hem panoramik diş görüntülerinin iyileştirilmesinde hem de ESA mimarileri üzerinde performans artırıcı yönde etkiye sahip olduğunu göstermiştir. Ayrıca, önerilen yöntemden elde edilen bulgular, UESB veri setinde yapılan önceki çalışmalarla karşılaştırılmış ve bu yöntem, literatürdeki benzer geliştirilen en son teknoloji yöntemlere göre kayda değer bir performans gösteren yöntemlerden birisi olmuştur. Sonuç olarak, önerilen yöntemin diş segmentasyonu için geliştirilecek bilgisayar destekli karar destek sistemlerinde güçlü bir araç olarak kullanılabileceği görülmüştür.
Keywords : Diş segmentasyonu, Derin öğrenme, Evrişimsel sinir ağı, Görüntü işleme, Karar destek sistemleri