Diş görüntülerinde derin öğrenme ile otomatik anomali tespiti
Anomaly detection on dental radiology images with deep learning
- Tez No: 1010045
- Danışmanlar: PROF. DR. HACER KARACAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Panoramik dental radyografilerde kök dilaserasyonunun güvenilir biçimde belirlenmesi, düşük kontrast, yoğun anatomik örtüşme ve morfolojik çeşitlilik nedeniyle klasik yöntemlerle güçleşmektedir. Klinik açıdan kritik öneme sahip olan bu patolojinin otomatik tespitine yönelik derin öğrenme tabanlı çözümler, değerlendirme sürecindeki öznel hataları azaltarak daha tutarlı sonuçlar sunma potansiyeli taşımaktadır. Çalışmada, kök morfolojisindeki eğrilik sapmalarını hem konumsal hem de yapısal düzeyde modelleyebilmek amacıyla anchor-free tespit mekanizması ve segmentasyon modülünü bütünleştiren YOLOv8m-Seg mimarisi temel alınmış; bağlamsal temsil kapasitesini artırmak için mimaride yer alan Spatial Pyramid Pooling–Fast (SPPF) bloğu, çok ölçekli havuzlama ve artık bağlantı içeren önerilen SPPF+ yapısı ile genişletilmiştir. Modelin çok ölçekli özellik birleştirme yapısı ve ayrık tespit başlığı, panoramik radyografilerde sık karşılaşılan belirsiz sınırları daha ayrıntılı biçimde temsil etmesini sağlamıştır. Geliştirilen model, 5-katlı çapraz doğrulama ve bağımsız test protokolü kapsamında değerlendirilmiş; test kümesi üzerinde ortalama %89,86 kesinlik, %97,65 duyarlılık, %93,57 F1-skoru ve %95,45 [email protected] değerleri elde edilerek yüksek duyarlılık, güçlü genellenebilirlik ve geometrik doğruluk sergilediği gösterilmiştir. Segmentasyon çıktıları, kök konturlarının anatomik yapıyla uyumlu şekilde izlenebildiğini ve eğrilik bölgelerinin morfolojik bütünlüğü korunarak ortaya konduğunu göstermiştir. Bununla birlikte, düşük kontrast ve yoğun süperpozisyon içeren örneklerde sınırlı düzeyde yanlış pozitif ve negatif tespitler gözlenmiştir. Çalışma, yapay zeka mimarilerinin dilaserasyon analizinde hızlı, hesaplama açısından verimli ve klinik uygulamalarla uyumlu bir yapay zekâ çözümü sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Reliable identification of root dilaceration in panoramic dental radiographs remains challenging for conventional approaches due to low contrast, extensive anatomical superposition, and high morphological variability. Given the clinical significance of this pathology, deep learning–based automated detection methods offer the potential to reduce subjective interpretation errors and provide more consistent diagnostic outcomes. In this study, the YOLOv8m-Seg architecture, which integrates an anchor-free detection mechanism with a segmentation module, was adopted to model curvature deviations in root morphology at both spatial and structural levels. To enhance contextual representation capacity, the Spatial Pyramid Pooling–Fast (SPPF) block within the base architecture was extended with a proposed SPPF+ structure incorporating multi-scale pooling operations and residual connections. The model's multi-scale feature fusion strategy and decoupled detection head enabled more precise representation of ambiguous boundaries commonly encountered in panoramic radiographs. The proposed model was evaluated using a five fold cross-validation scheme and an independent test protocol. On the test set, it achieved average performance scores of 89.86% precision, 97.65% recall, 93.57% F1-score, and 95.45% [email protected], demonstrating high sensitivity, strong generalization capability, and robust geometric localization accuracy. Segmentation outputs further indicated that root contours were traced in close anatomical agreement, preserving the morphological integrity of curvature regions. Nevertheless, a limited number of false positive and false negative detections were observed in cases characterized by low contrast and severe anatomical superposition. Overall, the findings indicate that the proposed approach provides a fast, computationally efficient, and clinically compatible artificial intelligence solution for automated root dilaceration analysis.
Benzer Tezler
- Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Segmentation of teeth region and teeth boundaries via machine learning and deep learning in panoramic X-ray dental images
ALİ GÜVEN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK
- The automatic segmentation of submandibular salivary glands and classification of sonographic parameters using deep learning methods in ultrasound images
Ultrasonografi görüntülerinde derin öğrenme yöntemiyle submandibular tükürük bezlerinin otomatik segmentasyonu ve sonografik parametrelerin siniflandirilmasi
BURAK TUNAHAN ÇİFTÇİ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiGaziantep ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİRDEVS AŞANTOĞROL
- Panoramik radyografik görüntüleri kullanan derin öğrenme tabanlı otomatik diş bölütleme yaklaşımı
Deep learning based automated teeth segmentation approach using panoramic radiographic images
CEREN SÖZERİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BAHADIR KARASULU
- Bitewing radyografilerde interproksimal, okluzal ve sekonder çürüklerin yapay zekâ ile otomatik tespiti: klinik kullanım için arayüz tasarımı
Automatic detection of interproximal, occlusal and secondary caries in bi̇tewing radiographies with artificial intelligence: İnterface design for clinical use
RABİA KARAKUŞ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. MELEK TAŞSÖKER
- Maküla optik koherens tomografi görüntülerinde yapay zeka ile retina tabakalarındaki bozulmanın tespiti
Detection of retinal layer abnormalities using artificial intelligence in macular optical coherence tomography images
EDA ZEYNEP KILIÇ
Tıpta Uzmanlık
Türkçe
2026
Göz HastalıklarıOndokuz Mayıs ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. ÖZLEM EŞKİ YÜCEL