Akademik Çalışmalar

Akademik çalışma hakkında detaylı bilgiye buradan ulaşabilirsiniz!

Konvolüsyonel Sinir Ağı Performansı ile CBCT Görüntülerinde Sella Turcica Segmentasyonu ve Sınıflandırması

Giriş

Bu çalışma, Konvolüsyonel Sinir Ağları (CNN'ler) gibi ileri teknolojilerin Sella Turcica'nın segmentasyonu ve sınıflandırılmasındaki uygulamasına odaklanmaktadır. Amaç, diş hekimliğinde radyografik yorumlamanın doğruluğunu ve verimliliğini artırmaktır.

Yöntemoloji

  • Görüntü Edinimi: CBCT görüntüleri, NewTom 5G CBCT cihazı kullanılarak belirli parametrelerle elde edilmiştir.
  • Gerçek Veri Etiketleme: İki dentomaksillofasiyal radyolog, CBCT görüntülerindeki Sella Turcica şekillerini etiketlemiştir.
  • Modeller: Sella Turcica Segmentasyon Modeli, derin öğrenme teknikleri, özellikle U-Net mimarisi kullanılarak geliştirilmiştir.
  • Ön İşleme Adımları: Yoğunluk normalizasyonu ve kontrast sınırlı adaptif histogram eşitleme gibi görüntü iyileştirme teknikleri uygulanmıştır.
  • Model Eğitimi: Derin CNN segmentasyon modeli 500 dönem ve belirli bir öğrenme oranı ile eğitilmiştir.

Sonuçlar

  • Çalışma, geliştirilen yapay zeka modelleri kullanılarak Sella Turcica şekillerini (düzleşmiş, yuvarlak, oval) başarıyla segmentlemiş ve sınıflandırmıştır.
  • CNN'lerin ve derin öğrenme tekniklerinin kullanımı, segmentasyon ve sınıflandırma doğruluğunu geleneksel yöntemlere göre artırmıştır.

Tartışma

  • AI algoritmalarının radyografik yorumlamada entegrasyonu, doğruluk, verimlilik ve yanlış teşhislerin önlenmesi açısından avantajlar sunmaktadır.
  • Çalışma, diş hekimliği ve tıbbi görüntüleme alanındaki AI uygulamaları üzerine artan araştırma literatürüne katkıda bulunmaktadır.

Sonuç

Araştırma, CNN'ler ve derin öğrenme modellerinin CBCT görüntülerindeki anatomik yapıların, örneğin Sella Turcica'nın segmentasyon ve sınıflandırmasını otomatikleştirme potansiyelini göstermektedir. Bu teknoloji, teşhis doğruluğunu artırma ve radyografik yorumlamayı sadeleştirme potansiyeline sahiptir.

Finansman ve Etik Hususlar

  • Çalışma, Eskişehir Osmangazi Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi tarafından desteklenmiştir.
  • Etik standartlara uyulmuş ve tüm katılımcılardan bilgilendirilmiş onay alınmıştır.
  • Veri erişilebilirliği ve çıkar çatışmaları, belirlenen yönergelere uygun olarak ele alınmıştır.

Bilimsel Araştırma Projesi Yazmak İstiyorum

CranioCatch Diş Hekimliği alanında ağız bakımını iyileştiren Global AI destekli lider dental tıbbi teknoloji şirketidir. AI Destekli Klinik, Eğitim ve Etiketleme çözümleri ile ileri makine öğrenimi teknolojisindeki çağdaş yaklaşımlardan yararlanarak diş hastalıklarının teşhisinde ve tedavisinde önemli iyileştirmeler sağlar.

CranioCatch; Her gün dünyada binlerce diş sağlığı problemi yaşayan hastalara yenilikçi teknolojileri ile hizmet vermektedir. İşte bu yüzden değişime öncülük ediyor “Diş Hekimliğinde Bilimsel Araştırma” Alanında çalışma yapmak isteyen Değerli Diş Hekimlerimiz ile tanışmayı sabırsızlıkla bekliyoruz.

Telefon - Phone İletişime Geçin
Beyaz Gazete ikonu
Milliyet ikonu
Trt Haber ikonu
Habertürk Logo
Sondakika Görseli