Konik ışınlı bilgisayarlı tomografi görüntüleri kullanılarak makine öğrenmesi algoritmaları ile maksiller molar dişler ve maksiller sinüs arasındaki ilişkinin değerlendirilmesi
Evaluation of the relationship between maxillary molar teeth and maxillary sinus using machine learning algorithms with cone-beam computed tomography images
- Tez No: 1006742
- Danışmanlar: DOÇ. DR. MEHMET ÖZGÜR ÖZEMRE
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Konik Işınlı Bilgisayarlı Tomografi, Makine Öğrenmesi, Maksiller Sinüs, Diş Hekimliği, Cone-Beam Computed Tomography, Machine Learning, Maxillary Sinus, Dentistry
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu araştırmanın amacı, konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen koronal kesitler kullanılarak maksiller molar diş kökleri ile maksiller sinüs arasındaki temas ilişkisinin makine öğrenmesi modelleri ile sınıflandırılmasını sağlamaktır. Çalışmada toplam 887 maksiller molar dişe ait koronal görüntü değerlendirilmiş ve ilişki var, ilişki yok ve karışık olmak üzere üç kategoride sınıflandırma yapılmıştır. Bu doğrultuda dört farklı makine öğrenmesi yöntemi uygulanmış ve modellerin performansı doğruluk, hassasiyet, duyarlılık, F1 skoru ve eğri altında kalan alan ölçütleri ile incelenmiştir. Bulgular, gradyan artırma yönteminin en yüksek doğruluk değerine ulaşarak diğer modellerden daha üstün performans gösterdiğini ortaya koymuştur. Modellerin sınıflar arasında farklı başarı düzeyleri sergilediği görülmüş, özellikle karışık grubu temsil eden örneklerin sınıflandırılmasında tüm modellerde belirgin güçlük yaşanmıştır. Buna karşın ilişki var kategorisi çeşitli modellerde daha tutarlı ve yüksek doğrulukla sınıflandırılmıştır. Sonuçlar, makine öğrenmesi yöntemlerinin anatomik ilişkilerin değerlendirilmesinde etkili bir yaklaşım sunabileceğini ve gradyan artırmanın karmaşık görüntü özelliklerini yakalamada güçlü bir performans sergilediğini göstermektedir. Ayrıca, bu yöntemlerin klinik değerlendirmeyi destekleyecek bir karar mekanizması olarak kullanılma potansiyeli taşıdığı belirlenmiştir.
Özet (Çeviri)
The aim of this study was to classify the contact relationship between maxillary molar tooth roots and the maxillary sinus using machine learning models applied to coronal sections obtained from cone beam computed tomography images. A total of 887 coronal images of maxillary molar teeth were evaluated and categorized into three groups: relationship present, no relationship and mixed. Four different machine learning methods were applied, and the performance of the models was assessed using accuracy, precision, sensitivity, F1 score and area under the curve metrics. The findings demonstrated that the gradient boosting method achieved the highest accuracy and outperformed the other models. The models exhibited varying levels of success across the classes, with the mixed group being the most challenging category for all methods. In contrast, the relationship present category was classified with higher consistency and accuracy across multiple models. The results indicate that machine learning methods may offer an effective approach for evaluating anatomical relationships and that the gradient boosting method demonstrates strong capability in capturing complex image features. Furthermore, these methods have the potential to function as supportive decision-making tools that may assist clinical evaluation processes.
Benzer Tezler
- Kolesteatom ve NON-kolesteatom otitis media hastalarının bilgisayarlı tomografi görüntüleri üzerinden makine öğrenmesi yöntemleri ile belirlenmesi
Determination of cholesteatom and NON-cholesteatom otitis media patients in computerized tomography images by machine learning methods
RUSLAN MAMMADZADA
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. ŞÜKRÜ MEHMET ERTÜRK
DR. ÖĞR. ÜYESİ MEHMET BARBUROĞLU
- Konik ışınlı bilgisayarlı tomografi kullanılarak maxillar molar dişlerin radyoanatomik, demografik ve patolojik durumunun değerlendirilmesi
Evaluation of radioanatomic, demographic and pathologic status of maxillary molar teeth using cone beam computed tomography
ŞEYMA BALA
- Nazal kitlelerin bilgisayarlı tomografi görüntüleri kullanılarak radyomik tabanlı sınıflandırılması: Sinonazal inverted papillom, antrokoanal polip ve nazal polipin karşılaştırmalı analizi
Radiomics-based classification of nasal masses using computerized tomography images: Comparative analysis of sinonasal inverted papilloma, antrochoanal polyp and nasal polyp
MUHAMMED FAZIL ARAS
Tıpta Uzmanlık
Türkçe
2024
Kulak Burun ve BoğazSağlık Bilimleri ÜniversitesiKulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı
DR. FATİH TETİK
- Deep learning applications in oral and maxillofacial radiology
Ağız, diş ve çene radyolojisinde derin öğrenme uygulamaları
ELHAM TAHSIN YASIN YASIN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KÖKLÜ
- Türk toplumunda üst ikinci premolar dişlerin kök sayılarındaki farklılıkların yapay zeka kullanılarak incelenmesi
Artificial intelligence–based prediction of root numbers in maxillary second premolars in the Turkish population
ECEM AZGARİ
Doktora
Türkçe
2026
Diş HekimliğiMarmara ÜniversitesiEndodonti Ana Bilim Dalı
PROF. DR. HESNA SAZAK ÖVEÇOĞLU