Ağız içi ortodontik fotoğraflar üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla dental maloklüzyonların angle sınıflamasına göre tespiti
Detection of dental malocclusions according to angle classification using artificial intelligence algorithms developed with deep learning on intraoral orthodontic photographs
- Tez No: 1001125
- Danışmanlar: DOÇ. DR. MERVE GONCA
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Ağız içi fotoğraflar, Angle sınıflaması, Derin öğrenme, Maloklüzyon, Yapay zeka, YOLOv8x-cls, Angle classification, Artificial intelligence, Classification, Deep learning, Intraoral photography, Malocclusion, YOLOv8x-cls
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, ağız içi sağ ve sol bukkal fotoğraflar kullanılarak Angle maloklüzyon sınıflarının derin öğrenme yöntemleriyle sınıflandırılabilirliğini değerlendirmek ve YOLOv8x-cls mimarisi temelinde bir model geliştirmektir. Materyal ve Metot: Çalışmada toplam 1296 adet standardize edilmiş ağız içi görüntü kullanılmıştır. Veriler eğitim (%80), doğrulama (%10) ve test (%10) setlerine ayrılmıştır. Model, 300 epoch boyunca 640 piksel giriş boyutu ve 16 batch size ile eğitilmiştir. Sınıf dengesizliği göz önünde bulundurularak veri artırımı (data augmentation) teknikleri uygulanmıştır. Model performansı doğruluk, kesinlik, duyarlılık ve F1 skoru ile değerlendirilmiştir. Bulgular: Genel doğruluk oranı %78.2 olarak elde edilmiştir. En yüksek sınıflandırma başarımı Sınıf II grubunda gözlenmiş olup %86.47 doğruluk ve 0.86 F1 skoru elde edilmiştir. Sınıf I için %80.45 doğruluk ve 0.74 F1 skoru, Sınıf III için ise %89.47 doğruluk ancak daha düşük F1 skoru (0.63) kaydedilmiştir. Bu durum, sınıf dengesizliğinin ve veri artırımı stratejilerinin model başarımına etkisini göstermektedir. Sonuç: Elde edilen bulgular, ağız içi görseller üzerinden Angle sınıflamasının yapay zeka destekli sistemlerle başarılı şekilde yapılabileceğini ortaya koymaktadır. Modelin klinik ortamlarda karar destek sistemi olarak kullanılabilmesi adına umut verici olduğu düşünülmektedir.
Özet (Çeviri)
Aim: This study aims to evaluate the feasibility of classifying Angle malocclusion using intraoral right and left buccal photographs with a deep learning approach, and to develop a model based on the YOLOv8x-cls architecture. Material and Method: A total of 1296 standardized intraoral images were used. The data were split into training (80%), validation (10%), and test (10%) sets. The model was trained for 300 epochs with an input size of 640 pixels and a batch size of 16. Data augmentation techniques were applied to address class imbalance. Model performance was assessed using accuracy, precision, recall, and F1 score. Results: The overall classification accuracy was 78.2%. The highest performance was observed in Class II malocclusion, with an accuracy of 86.47% and an F1 score of 0.86. For Class I, the accuracy was 80.45% with an F1 score of 0.74, while Class III showed an accuracy of 89.47% but a lower F1 score of 0.63. These findings highlight the impact of data imbalance and the importance of augmentation strategies on model performance. Conclusion: The findings demonstrate that Angle classification based on intraoral images can be effectively performed using AI-assisted systems. The proposed model shows promising potential as a clinical decision support tool.
Benzer Tezler
- Sefalometrik ölçümlere göre eğitilen derin öğrenme algoritmalarının ortodontik ağız içi yan fotoğrafları sınıflandırma performansının değerlendirilmesi
Evaluation of the performance of classification of orthodontic intra-oral buccal photos of deep learning algorithms trained according to cephalometric measurements
SULTAN BÜŞRA AY KARTBAK
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKocaeli ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİROL ÖZEL
- Sefalometrik ölçümlere göre eğitilen derin öğrenme algoritmalarının ortodontik profil fotoğraflarını sınıflandırma performansının değerlendirilmesi
Orthodontic analysis of deep learning algorithms trained according to cephalometric measurements evaluation of profile photos classification performance
DUYGU NUR CESUR KOCAKAYA
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKocaeli ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİROL ÖZEL
- Ortodonti kliniğine başvuran hastaların okluzal fotoğraflarından yapay zeka kullanılarak çapraşıklık şiddetinin belirlenmesi
Determining the severity of crowding from the occlusal photosof the patients applying to the orthodontics clinicsby using artificial intelligence
BEYZA NUR İLHAN MAVİ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiSivas Cumhuriyet ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. ERCAN CENK DORUK
- Sınıf II bölüm 2 malokluzyonlu hastalarda kesici diş protrüzyonu sonrası ark morfolojisi, kas aktivitesi ve perioral basınçta meydana gelen değişikliklerin incelenmesi
Evaluation of arch morphology, muscle activity and perioral pressure changes resulting from upper incisor proclination in class II division 2 malocclusion
IRMAK PARTAL
Diş Hekimliği Uzmanlık
Türkçe
2017
Diş HekimliğiHacettepe ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. MÜGE AKSU
- Ortodontik tedavi gören hastalarda akıllı telefon uygulamasının ağız hijyeni motivasyonuna ve ağız sağlığına etkisi
Ortodontik tedavi gören hastalarda akıllı telefon uygulamasının ağız hijyeni motivasyonuna ve ağız sağlığına etkisi
MUHAMMED ÖMER İSEN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiOndokuz Mayıs ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. NURSEL ARICI