Sefalometrik Görüntülerde Ortodontik İskeletsel Sınıflamanın Federe Derin Öğrenme Tabanlı Yöntemlerle Yer İşareti Tespitine Gerek Kalmadan Algılanması

Basit Öğe Kaydı
dc.contributor.authorNergiz, Mehmet
dc.contributor.authorTümen, Demet Süer
dc.date.accessioned2025-02-22T14:18:02Z
dc.date.available2025-02-22T14:18:02Z
dc.date.issued2024
dc.departmentDicle Üniversitesien_US
dc.description25.02.2024en_US
dc.description.abstractISBI ve Dicle veri setlerinden elde edilen sefalometrik görüntüler kullanılarak ortodontik iskelet sınıflandırması için Federe Evrişisimsel Sinir Ağları (ESA) modellerinin etkinliğini değerlendirmek amaçlanmıştır. Temel DenseNet121 modeli ve ?Kanal Dikkat?, ?Uzamsal Dikkat?, ?Sıkma Uyarma? ile ?Uzamsal Piramit Havuzlama? gibi belirli ESA bloklarını içeren gelişkin versiyonları sınıflandırma amacıyla kullanılmıştır. Modeller, Merkezi Öğrenme (MÖ), Yerel Öğrenme (YÖ) ve Federe Öğrenme (FÖ) mimarilerde değerlendirilmiş ve karşılaştırılmıştır. Gelişkin DenseNet121 modelleri, temel modelle karşılaştırıldığında %24'ün üzerinde bir değer ile önemli bir doğruluk artışı gözlemlenmiştir. Özellikle, Uzamsal Dikkat ile artırılmış DenseNet121_SA modeli, ISBI veri setinde YÖ mimarisine göre %19 gibi dikkate değer bir performans artışı göstermiştir. Ayrıca, Uzamsal Dikkat ve Sıkma Uyarma ile artırılmış DenseNet121_SA_SE modeli, aynı ISBI veri setinde YÖ ayarlarına göre %18'lik etkileyici bir performans kazancı sergilemiştir. Federe ESA modellerinin, özellikle DenseNet121_SA ve DenseNet121_SA_SE olmak üzere, ortodontik iskelet sınıflandırma alanında umut vadettiği gözlenmiştir. Bu çalışma için derlenen ve etiketlenen Dicle veri setinin proje sonunda paylaşılması, yapay zeka temelli ortodontik diş görüntü analizi çalışmaları açısından önemli bir kaynak olacak ve bu alanda zamanla daha kesin teşhislerin konulmasının önünü açacaktır. Elde edilen bulgular, FÖ?nün ortodonti ile ilgili yapay zeka çalışmalarındaki ölçeklenebilirlik ve veri mahremiyeti konularındaki rolünü de göstermektedir.en_US
dc.identifier.endpage37en_US
dc.identifier.startpage0en_US
dc.identifier.trdizinid1231685en_US
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/1231685
dc.identifier.urihttps://hdl.handle.net/11468/30230
dc.indekslendigikaynakTr-Dizinen_US
dc.language.isotren_US
dc.relation.publicationcategoryProjeen_US
dc.relation.tubitakinfo:eu-repo/grantAgreement/TUBITAK/EEEAG/123E321en_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmzKA_TR_20250222
dc.subjectEvrişimsel Sinir Ağlarıen_US
dc.subjectDenseNet121en_US
dc.subjectAnahtar Kelimeler: Federe Öğrenmeen_US
dc.subjectOrtodontik İskeletsel Sınıflamaen_US
dc.subjectSefalometrik Görüntüleren_US
dc.subjectUzamsal Dikkaten_US
dc.titleSefalometrik Görüntülerde Ortodontik İskeletsel Sınıflamanın Federe Derin Öğrenme Tabanlı Yöntemlerle Yer İşareti Tespitine Gerek Kalmadan Algılanmasıen_US
dc.typeProjecten_US

Dosyalar

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu