Panoramik radyograflar üzerinde implant markalarının tespit edilmesinde yapay zeka algoristmasının başarısının değerlendirilmesi
Evaluation of the success of artificial intelligence algorithm in detecting implant brands on panoramic radiographs
- Tez No: 1004490
- Danışmanlar: DOÇ. DR. ZEYNEP BAŞAĞAOĞLU DEMİREKİN
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Yapay Zeka, Dental İmplant, Sınıflandırma, Derin Öğrenme, Artificial Intelligence, Dental Implants, Classification, Deep Learning
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Protetik Diş Tedavisi Ana Bilim Dalı
- Bilim Dalı: Protetik Diş Tedavisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Panoramik Radyograflar Üzerinde İmplant Markalarının Tespit Edilmesinde Yapay Zeka Algoritmasının Başarısının Değerlendirilmesi Amaç: Bu çalışmanın amacı, panoramik radyografi görüntülerinde dental implantların markalarının yapay zeka algoritması kullanılarak sınıflandırma başarısını değerlendirmektir. Gereç ve Yöntem: Bu çalışmada, Süleyman Demirel Üniversitesi Diş Hekimliği Fakültesi'nde, 2020-2025 yılları arasında implant tedavisi görmüş hastaların panoramik radyografileri arşivden geriye dönük olarak toplandı. Çalışmaya dahil edilme kritirlerini sağlayan beş farklı implant markasına (Macros Standart, Nucleoss T4-T6 Standart, Astra Tech Implant EV, Medentika Microcone, NTA Regular) ait toplam 524 panoramik radyografi kullanıldı. Elde edilen radyografilere uzman hekim tarafından ImageJ programı kullanılarak kırpma işlemi uygulandı ve toplam 1906 adet ROI (Region of Interest) görüntüsü analiz kapsamına alındı. Eğitim aşamasında veri artırımı uygulanarak, veri kümesindeki örnek sayısının ve çeşitliliğinin artırılması amaçlandı. Veri artırımı kapsamında döndürme, gürültü ekleme, bulanıklaştırma ve parlaklık-kontrast ayarı filtreleme yöntemleri kullanılarak beş sınıf için dengeli bir veri seti elde edildi. Veri seti, %80'i eğitim, %10'u doğrulama ve %10'u test olacak şekilde oluşturuldu. Model eğitimi için önceden eğitilmiş VGG16 mimarisi transfer öğrenme yöntemiyle kullanıldı ve son katmanlar yeniden eğitilerek ince ayar (fine-tuning) uygulandı. Modelin sınıflandırma başarısını ölçmek için karmaşıklık matriksi, doğruluk (presicion), duyarlılık(recall),F1skoru,ROC eğrisi, AUC değeri ve PR eğrisi(doğruluk/duyarlılık) metrikleri kullanıldı. Bulgular : Doğruluk, duyarlılık, F1 skorları sırasıyla 0.93, 0.93, 0.92 olarak saptandı. Algoritmanın, veri setindeki sayısı fazla olan implantlarda genellikle daha iyi performans gösterdiği tespit edildi. Sonuç : İmplant markalarının panoramik radyograflar üzerinden ayırt edilmesinde yapay zeka tabanlı algoritmalar başarılı bir araç olarak kullanılabilir. Örneklem büyüklüğünün ve kullanılan marka sayısının artırılmasıyla gelecekte daha kapsamlı çalışmalar yapılarak literatüre katkı sağlanabilir ve pratik anlamda kliniklerde de kullanılabilir düzeye getirilebilir.
Özet (Çeviri)
Evaluation of the Success of Artificial Intelligence Algorithm in Detecting Implant Brands on Panoramic Radiographs Objective : The aim of this study is to evaluate the classification performance of an artificial intelligence algorithm in identifying dental implant brands on panoramic radiographic images. Method : In this study, panoramic radiographs of patients who underwent implant treatment at the Faculty of Dentistry, Süleyman Demirel University between 2020 and 2025 were retrospectively collected from the archive. A total of 524 panoramic radiographs belonging to five different implant brands (Macros Standard, Nucleoss T4–T6 Standard, Astra Tech Implant EV, Medentika Microcone, and NTA Regular) that met the inclusion criteria were included in the study. The acquired radiographs were cropped by an expert clinician using the ImageJ software, and a total of 1,906 region of interest (ROI) images were included in the analysis. During the training phase, data augmentation was applied to increase the number and diversity of samples in the dataset. Within the scope of data augmentation, a balanced dataset for the five classes was obtained using rotation, noise addition, blurring, and brightness–contrast adjustment filtering technique. The dataset was divided into training, validation, and test sets at ratios of 80%, 10%, and 10%, respectively. For model training, a pre-trained VGG16 architecture was employed using the transfer learning approach, and fine-tuning was performed by retraining the final layers. To evaluate the classification performance of the model, a confusion matrix, accuracy, precision, recall, F1 score, receiver operating characteristic (ROC) curve, area under the curve (AUC) value, and precision–recall (PR) curve metrics were utilized. Results : The accuracy, sensitivity, and F1 scores were determined to be 0.93, 0.93, and 0.92, respectively. The algorithm demonstrated generally better performance for implant types with higher representation in the dataset. Conclusion : Artificial intelligence–based algorithms can be successfully used as effective tools for distinguishing implant brands on panoramic radiographs. By increasing the sample size and the number of implant brands included, future studies may provide more comprehensive contributions to the literature and enable practical implementation in clinical settings.
Benzer Tezler
- Panoramik radyograflar üzerinden yapay zeka yardımıyla dental implant sistemlerinin tespiti
Detection of dental implant systems using artificial intelligence on panoramic radiographs
MUSTAFA ÜSTÜN
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. BOZKURT KUBİLAY IŞIK
- Derin öğrenme algoritmaları ile dental implant markalarının otomatik tanımlanması
Automatic identification of dental implant brands with deep learning algorithms
HASRET YÜCE
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiPamukkale ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖZDE AÇIKGÖZ
- İki ve üç implant destekli overdenture protezlerin implant çevresi kemik ve mandibular trabeküler kemiğe olan etkisinin panoramik radyograf kullanılarak fraktal analiz ve radyomorfometrik yöntemlerle incelenmesi
Investigation of the effects of two and three implant supported overdenture prostheses on periimplant bone and mandibular trabecular bone using fractal analysis and radiomorphometric methods on panoramic radiographs
FURKAN ÖZGÜR
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiRecep Tayyip Erdoğan ÜniversitesiPeriodontoloji Ana Bilim Dalı
DOÇ. DR. MELTEM ZİHNİ KORKMAZ
- Panoramik radyografi ve bilgisayarlı tomografide konumlandırmanın dikey boyut üzerine etkilerinin araştırılması: In vitro çalışma
Investigating the effects of positioning on vertical dimensional measurements in panoramic radiography and computed tomography: In vitro study
DERYA İÇÖZ
Doktora
İngilizce
2016
Diş HekimliğiSelçuk ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. FARUK AKGÜNLÜ
- Panoramik radyograflarda alveoler kemiğin dikey boyutunun saptanması
Determination of alveolar bone vertical height on panoramic radiographs
FARUK AKGÜNLÜ