Deri̇n öğrenme i̇le radyografi̇k di̇ş görüntüleri̇ni̇n segmentasyonunda görüntü ön i̇şleme yöntemleri̇ni̇n etki̇si̇ni̇n araştirilmasi

Diş hekimleri, ağız ve diş sağlığına ilişkin hastalıkların tespitinde çeşitli görüntüleme tekniklerinden yararlanmaktadır. Ancak elde edilen görüntülerde artefaktlar, bulanıklık ve aydınlatma sorunları gibi unsurlar, yorumlamayı ve otomatik analiz süreçlerini olumsuz yönde etkileyebilmektedir. Bu tez çalışmasında, panoramik diş radyografilerinin bölütleme performansını artırmaya yönelik yenilikçi, alan tabanlı bir çerçeve önerilmektedir. Önerilen çerçeve; ön işleme, ilgi alanı çıkarımı, görüntülerin bölünmesi, U-Net tabanlı segmentasyon ve son işleme olmak üzere beş temel aşamadan oluşmaktadır. Ön işleme adı- mında, geleneksel ve karma yaklaşımlar dâhil olmak üzere toplam 14 yöntem uygulanmış, bu yöntemlerin segmentasyon ile entegrasyonu sistematik biçimde incelenmiştir. Analizler sonucunda en başarılı bulunan üç yöntem, orijinal panoramik radyografilere uyarlanmıştır. İlgi alanı çıkarımıyla elde edilen ilgi bölgeleri, 512×512 boyutlu yama yapılarına ayrılarak modele giriş için uygun hale getirilmiştir. Segmentasyon aşamasında, her bir yama ResNet50, VGG19 ve EfficientNetB4 omurga ağılarını temel alan özel U-Net mimarileri ve klasik U-Net modeli kullanılarak işlenmiştir. Son aşamada ise tahmin edilen yamalar birleştirilerek bütünsel maskeler elde edilmiştir. Önerilen çerçevenin etkinliği, Tufts Diş Veritabanı üzerinde gerçekleştirilen deneyler ileortaya konulmuştur. Sonuçlar, geliştirilen çerçevenin segmentasyon başarımını anlamlı dü- zeyde iyileştirdiğini kanıtlamaktadır. Özellikle EfficientNetB4 tabanlı U-Net mimarisinin, panoramik diş radyografilerinin segmentasyonunda diğer yaklaşımlara kıyasla daha yüksek performans sergilediği belirlenmiştir. Elde edilen bulgular, diş görüntülerinin kalitesinin segmentasyon performansı üzerindeki etkisini vurgulamakta ve önerilen çerçevenin, diş radyografilerinin otomatik analizi için önemli bir katkı sağlayacağını göstermektedir.