İmmatür dişlerin makine öğrenimi kullanılarak intraoral periapikal radyografi üzerinde saptanması ve sınıflandırılması
Detection and classification of immature teeth on intraoral periapical radiographs using machine learning
- Tez No: 1007648
- Danışmanlar: PROF. DR. BERİVAN TUĞBA TÜRK SOMER
- Tez Türü: Doktora
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Endodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışma iki alt çalışmadan oluşmaktadır. İlk alt çalışmada, gelişimini tamamlamamış nekrotik dişlerin kök gelişim evrelerini Cvek sınıflamasına göre belirlemeyi amaçlayan yapay zekâ tabanlı bir sistemin geliştirilmesi hedeflendi. İkinci alt çalışmada ise geliştirilen modelin etkinliği, diş hekimleri ve endodonti uzmanları tarafından yapılan sınıflandırmalarla karşılaştırılarak sınıflandırma başarısının değerlendirilmesi amaçlandı. Gereç ve Yöntem: Çalışmada Ege Üniversitesi Diş Hekimliği Fakültesi arşivinden elde edilen toplam 1100 adet periapikal radyografideki 1970 adet diş görüntüsü modelin geliştirilmesi ve eğitimi için kullanıldı. Görseller Labelme.io yazılımı ile Cvek sınıflamasına uygun şekilde etiketlendi. Veriler %80 eğitim, %10 doğrulama ve %10 test seti olarak ayrıldı. Görsellerin sınıflandırılması için nesne tespiti tabanlı YOLOv11 modeli uygulandı. Modelin performansı precision, recall, F1 skoru, [email protected] ve [email protected]:0.95 metrikleri ile değerlendirildi. Ayrıca algoritmanın eğitim sürecine dahil edilmeyen 200 adet periapikal radyografide yer alan toplam 385 diş, bağımsız test seti olarak kullanıldı. Bu görüntüler öncelikle iki deneyimli endodontist tarafından değerlendirilerek altın standartlar oluşturuldu. Ardından aynı görüntüler; geliştirilen model, 5 endodontist ve 5 genel diş hekimi tarafından Cvek sınıflamasına göre skorlandı. İnsan gözlemci gruplarının değerlendirmelerinde grup içi mod değeri (frekansı en yüksek olan gözlem değeri) esas alındı. Grupların sınıflandırma başarıları ve altın standart ile uyumları; doğruluk oranları, Kappa ve Ki-Kare testleri kullanılarak istatistiksel olarak değerlendirildi. Bulgular: YOLOv11 tabanlı model, Cvek sınıflamasına göre kök gelişim evrelerini %82-95 aralığında değişen yüksek doğrulukla sınıflandırdı. Model için duyarlılık, kesinlik, F1 skoru ve [email protected] değerleri sırasıyla 0.89, 0.87, 0.88 ve 0.915 olarak saptandı. Bağımsız test veri setinde analiz edilen toplam 385 adet dişin Cvek sınıflamasına göre dağılımı; 17 adet Tip 1, 37 adet Tip 2, 166 adet Tip 3, 73 adet Tip 4 ve 92 adet Tip 5 şeklinde gerçekleşti. Altın standart veriler referans alındığında; yapay zeka modeli genel doğruluk oranında %82.3'e (317/385) ulaşarak, %74.8 (288/385) oranında eşdeğer başarı gösteren hem genel diş hekimi hem de uzman endodontist gruplarından istatistiksel olarak anlamlı düzeyde daha yüksek performans sergiledi (p<0.05). Gruplar arası uyum değerlendirmesinde; yapay zeka modelinin κ=0.754 katsayısı ile 'çok iyi', genel diş hekimi (κ=0.664) ve uzman endodontist (κ=0.660) gruplarının ise 'iyi' düzeyde uyum gösterdiği saptandı. Sınıf bazlı karşılaştırmalarda; klinik ayrımın zor olduğu Tip 2 (%83.8) ve Tip 3 (%84.3) evrelerinde yapay zeka modeli insan gözlemcilere belirgin üstünlük sağlarken, Tip 4 evresinde en yüksek başarı %87.7 ile genel diş hekimi grubunda kaydedildi. Uzman endodontist ve genel diş hekimi grupları arasında genel doğruluk açısından istatistiksel bir fark bulunamadı (p0,05). Sonuç: Bu çalışmada geliştirilen YOLOv11 tabanlı yapay zekâ modeli, immatür dişlerin kök gelişim evrelerini intraoral periapikal radyografiler üzerinde hızlı, tutarlı ve öznellikten arındırılmış biçimde sınıflandırdı. Model, bağımsız test veri setinde hem genel diş hekimlerine hem de endodontistlere kıyasla istatistiksel olarak anlamlı düzeyde daha yüksek doğruluk ve uyum gösterdi. Elde edilen bulgular, yapay zekâ tabanlı modellerin immatür dişlerin endodontik değerlendirilmesinde tanısal standartlaşmayı artırdığını ve klinik uygulamalara entegre edilebilir bir karar destek sistemi potansiyeli sunduğunu ortaya koydu.
Özet (Çeviri)
Aim: This study consists of two sub-studies. In the first sub-study, the aim was to develop an artificial intelligence-based system aimed at determining the root development stages of immature necrotic teeth according to the Cvek classification. In the second sub-study, the aim was to evaluate the classification success by comparing the effectiveness of the developed model with classifications made by dentists and endodontists. Materials and Methods: In the study, 1970 tooth images from a total of 1100 periapical radiographs obtained from the Ege University Faculty of Dentistry archive were used for the development and training of the model. Images were labeled in accordance with the Cvek classification using Labelme.io software. The data was split into 80% training, 10% validation, and 10% test sets. The object detection-based YOLOv11 model was applied for the classification of the images. The performance of the model was evaluated using precision, recall, F1 score, [email protected], and [email protected]:0.95 metrics. Additionally, a total of 385 teeth in 200 periapical radiographs, which were not included in the algorithm's training process, were used as an independent test set. These images were first evaluated by two experienced endodontists to establish gold standards. Then, the same images were scored according to the Cvek classification by the developed model, 5 endodontists, and 5 general dentists. The intra-group mode value (the observation value with the highest frequency) was taken as the basis for the evaluations of the human observer groups. The classification successes of the groups and their agreement with the gold standard were evaluated statistically using accuracy rates, Kappa, and Chi-Square tests. Results: The YOLOv11-based model classified root development stages according to the Cvek classification with high accuracy ranging from 82-95%. Recall, precision, F1 score, and [email protected] values for the model were determined as 0.89, 0.87, 0.88, and 0.915, respectively. The distribution of the total 385 teeth analyzed in the independent test data set according to the Cvek classification was; 17 Type 1, 37 Type 2, 166 Type 3, 73 Type 4, and 92 Type 5. When gold standard data were taken as reference, the artificial intelligence model reached a general accuracy rate of 82.3% (317/385), exhibiting a statistically significantly higher performance than both the general dentist and specialist endodontist groups, which showed an equivalent success rate of 74.8% (288/385) (p<0.05). In the inter-group agreement evaluation, it was determined that the artificial intelligence model showed 'very good' agreement with a coefficient of κ=0.754, while the general dentist (κ=0.664) and specialist endodontist (κ=0.660) groups showed 'good' agreement. In class-based comparisons; while the artificial intelligence model provided a distinct superiority over human observers in Type 2 (83.8%) and Type 3 (84.3%) stages where clinical distinction is difficult, the highest success in the Type 4 stage was recorded in the general dentist group with 87.7%. No statistical difference was found between the specialist endodontist and general dentist groups in terms of general accuracy (p>0.05). Conclusion: The YOLOv11-based artificial intelligence model developed in this study classified the root development stages of immature teeth on intraoral periapical radiographs in a rapid, consistent, and objective manner. The model showed statistically significantly higher accuracy and agreement compared to both general dentists and endodontists in the independent test data set. The obtained findings revealed that artificial intelligence-based models increase diagnostic standardization in the endodontic evaluation of immature teeth and offer the potential of a decision support system that can be integrated into clinical practices.
Benzer Tezler
- Farklı konsantrasyonlardaki sodyum hipokloritin EDTA ve etidronik asit ile farklı kombinasyonlarının simüle edilmiş immatür dişlerin kırılma direncine etkisinin değerlendirilmesi
Evaluation of the effect of different combinations of different concentrations of sodium hypochlorite with EDTA and etidronic acid on fracture resistance of simulated immature teeth
SABINA IMANOVA
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiKırıkkale ÜniversitesiPedodonti Ana Bilim Dalı
DOÇ. DR. VOLKAN ARIKAN
- Batı Karadeniz'de karaya vuran Cetacea türlerinin kalkan balığı avcılığı ile etkileşimi
Interaction with the Cetacean strandings and turbot fisheries in the Western Black Sea
MEHMET ARDA TONAY
Doktora
Türkçe
2010
Deniz Bilimleriİstanbul ÜniversitesiTemel Bilimler Ana Bilim Dalı
PROF. DR. BAYRAM ÖZTÜRK
- Enfekte immatür daimi dişlerin tedavisinde iki farklı materyalin etkisinin değerlendirilmesi
Assessing the effect of two different materials in infected, immature permanent teeth treatment
NURAY TÜLOĞLU
Doktora
Türkçe
2012
Diş HekimliğiOndokuz Mayıs ÜniversitesiPedodonti Ana Bilim Dalı
YRD. DOÇ. DR. ŞULE BAYRAK
- Simüle edilmiş immatür dişlerin kalsiyum silikat esaslı kanal dolgu materyalleri kullanılarak yapılan apeksifikasyon tedavisi sonrası kırılma dirençlerinin kıyaslanması
Başlık çevirisi yok
SAMET FATİH GÜCER
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş Hekimliğiİstanbul ÜniversitesiEndodonti Ana Bilim Dalı
PROF. DR. SEMA YILDIRIM
- Son yıllarda geliştirilen 4 farklı endodontik biyomateryalin simüle edilmiş immatür dişlerin kırılma direncine etkisinin kalsiyum hidroksit ile karşılaştırmalı olarak değerlendirilmesi
Comparative evaluation of recently developed four endodontic biomaterials with calcium hydroxide regarding their effect on the fracture resistance of immature simulated teeth
ASLI SOĞUKPINAR
Diş Hekimliği Uzmanlık
Türkçe
2017
Diş HekimliğiKırıkkale ÜniversitesiPedodonti Ana Bilim Dalı
YRD. DOÇ. DR. VOLKAN ARIKAN