Treffer: Radyolojik görüntüleme üzerine bir derin öğrenme uygulaması

In this thesis, the contributions of artificial intelligence, particularly in the fields of radiology and dentistry, which have been reshaping our quality of life amid the rapid advancement of technology, are examined. The algorithm designed using the YOLOv5 architecture based on deep convolutional neural networks aims to automatically identify teeth and demonstrate their conditions in panoramic radiography images. In a dataset comprising 1355 radiological images, the successfully executed processes of tooth detection, numbering, and identification resulted in an accuracy rate of 0.6827, emphasizing the effectiveness of the algorithm.
Bu tezde, teknolojinin hızla gelişmesiyle birlikte yaşam kalitemizi değiştiren yapay zekânın, özellikle radyoloji ve diş hekimliği alanlarında sunduğu katkıları incelemektedir. Derin evrişimsel sinir ağı temelli YOLOv5 mimarisi kullanılarak tasarlanan algoritma, panoramik radyografi görüntülerinde otomatik diş tanımlama ve durumlarını gösterme amacını taşımaktadır. 1355 radyolojik görüntüden oluşan veri setinde, başarıyla gerçekleştirilen diş tespit, numaralandırma ve tanımlama işlemleri sonucunda elde edilen 0,6827 doğruluk oranı, algoritmanın etkinliğini vurgulamaktadır.