Detekcija i označavanje zuba u panoramskim rendgenskim snimkama pomoću YOLO arhitekture

završni rad

• Naslov (engleski): Detection and Classification of Teeth in Panoramic X-ray Images Using YOLO Architecture
• Autor: Ivan Ilić
• Mentor: Marko Subašić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Ivana Zadro (član povjerenstva)
• Član povjerenstva: Jelena Ivanković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovaj rad predstavlja primjenu metoda dubokog učenja na zadatak detekcije i označavanja zuba u panoramskim rendgenskim snimkama. Stomatolozi u svakodnevnom radu obavljaju zadatak procjene zubnog statusa, koji uključuje određivanje svih zuba gornje i donje čeljusti. Korištenjem dubokih konvolucijskih neuronskih mreža, u kombinaciji s nadziranim učenjem, moguće je osposobiti računalo da navedeni zadatak rješava autonomno. Primjenom YOLO arhitekture zadatak lokalizacije pojedinog zuba formaliziramo kao problem regresije, a određivanje klase zuba kao problem klasifikacije. Navedeni model nakon treniranja ostvaruje rezultate od 81,15% u metrici mAP na testnom skupu, te ga osim iznimno dobre preciznosti karakterizira i velika brzina obrade snimki.

Sažetak (engleski)

This thesis presents the application of deep learning methods for detection and classification of teeth in panoramic X-ray images. In their every day work, dentists perform dental status assessment task, which includes assessment of teeth of upper and lower jaw bone. By using deep convolutional neural networks, combined with supervised learning, it is possible to teach computer to perform this task autonomously. Using YOLO architecture we perform localization of teeth using regression and we determine the class using classification. After training, YOLO model produces mAP score of 81,15% on test set. Besides great precision, it is also characterized with great processing speed.

• Ključne riječi: YOLO; duboko učenje; detekcija objekata; zubi
• Ključne riječi (engleski): YOLO; deep learning; object detection; teeth
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:254864
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-13 20:56:26