Diş Segmentasyonunda Segformer Yönteminin Model Parametreleri Üzerindeki Etkisinin Araştırılması

Authors : Egemen Belge, Seçkin Karasu

Pages : 132-141

Doi:10.34248/bsengineering.1569645

View : 55 | Download : 80

Publication Date : 2025-01-15

Article Type : Research Paper

Abstract :Son yıllarda bilgisayar destekli tedavilerde yapay zekâ temelli uygulamalar diş hekimleri için hastalık teşhisinde kullanımı giderek artmaktadır. Diş hastalığın belirlenmesi sürecinde doğru bir şekilde bölütleme işlemi oldukça önemlidir. Diş bölütlenmesinin manuel olarak yapılması diş hekimleri tarafından yapılan teşhis için geçen süreyi ve işlem yükünü önemli ölçüde arttırmaktadır. Bu aşamada, makine öğrenmesi ve yapay zekâ yöntemleriyle otomatik olarak diş bölgesinin bölütlenmesi araştırmacıların ilgi duyduğu güncel bir konu olmaktadır. Çalışmada 12 diş stajyeri tarafından 15318 poligonlu 598 hastadan alınan X-Ray diş görüntüleri kullanılmaktadır. Kullanılan veri seti eğitim, doğrulama ve test olarak %70, %15, %15 olarak bölünmüştür. Bu veri seti otomatik olarak diş bölütlemeyi amaçlayan derin öğrenme ağının eğitim sürecinde kullanılmaktadır. SegFormer eğitim bloğu hiper parametrelerinin değişimine bağlı oluşturulan mimarilerinin performansları incelenmektedir. Burada MiT BO-B5 mimarilerine göre oluşturulan modellerin Dice benzerlik katsayılarına göre test verisi için performansları sırasıyla %92,61, %92,82, %93,25, %93,13, %93,17 ve %93,09 olarak elde edilmektedir. Elde edilen test sonuçlarına göre geliştirilen yapay zekâ tabanlı SegFormer ağı diş bölütlemeyi yüksek doğrulukla gerçekleştirmektedir. Geliştirilen derin öğrenme ağı özellikle diş hastalıklarının teşhisinde girdi olarak verimli bir şekilde kullanılabilecektir. Yüksek Dice benzerlik katsayıları, çalışmada sunulan SegFormer ağının diş bölgesini doğru bir şekilde tespit edebildiğini ifade etmektedir.
Keywords : Yapay zekâ, Diş bölütlenmesi, SegFormer, X-Ray görüntüleme, Dice benzerlik katsayısı