Derin öğrenme teknikleri kullanılarak diş çürüğü tespiti ve numaralandırması
Dental caries detection and numbering using deep learning techniques
- Tez No: 1010389
- Danışmanlar: DOÇ. DR. ALİ YAŞAR
- 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: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda veri işleme kapasitesinin artması ve derin öğrenme algoritmalarındaki gelişmelerle birlikte yapay zekâ önemli bir ivme kazanmış, özellikle büyük veri kümelerinin analizinde yüksek başarı düzeylerine ulaşmıştır. Bu ilerlemelerin sağlık sektöründeki en dikkat çekici yansımalarından biri diş hekimliği alanında görülmektedir. Geleneksel yöntemlerin yetersiz kaldığı durumlarda yapay zekâ, diş çürüklerinin erken evrede otomatik olarak tespiti ve numaralandırma işlemlerinde etkili bir çözüm sunmaktadır. Bu çalışmada, diş hekimlerine yardımcı olması amacıyla bitewing ve panoramik radyografi görüntülerini kullanan bir yapay zekâ sistemi geliştirilmiştir. Açık kaynaklı veri setleri dört farklı görev için hazırlanmış; eğitim öncesinde görüntüler yeniden boyutlandırılmış ve veri artırma teknikleri uygulanmıştır. Çürük tespiti görevinde model performansının genellenebilirliğini değerlendirmek amacıyla 5-katlı çapraz doğrulama ve doğrudan eğitim yaklaşımları birlikte kullanılmış, diş numaralandırma görevinde ise yalnızca doğrudan eğitim yaklaşımı tercih edilmiştir. Eğitimler Detectron2, YOLOv11 ve YOLOv12 modelleri üzerinde gerçekleştirilmiş ve performans karşılaştırmaları yapılmıştır. Panoramik diş numaralandırma görevinde en yüksek başarı %97,4 F1-skoru ile YOLOv11 modeli tarafından elde edilirken, Detectron2 modeli %95,2 AP@50 değeri ile daha düşük performans sergilemiştir. Panoramik çürük tespiti görevinde en başarılı model %85 F1-skoru ile YOLOv12 olmuştur. Bitewing görüntülerde diş numaralandırma performansının panoramik radyografilere kıyasla görece daha düşük olduğu gözlemlenmiş; bu görevde YOLOv12 modeli %93,5 F1-skoru elde etmiştir. Bitewing çürük tespiti görevinde ise YOLOv11 ve YOLOv12 modelleri sırasıyla %91,3 ve %91,5 F1-skoru ile benzer ve yüksek performans sergilerken, Detectron2 modeli AP@50 = %52,3 değeri ile daha düşük bir başarı göstermiştir. Eğitim sonrasında model dosyaları kaydedilmiş ve kullanıcıların model, görüntü tipi ve işlem türü seçimleri yaparak tahmin gerçekleştirebileceği bir React arayüzü geliştirilmiştir. Tahmin işlemleri, oluşturulan FlaskAPI arka ucu aracılığıyla yürütülmüş ve kullanıcıya etiketlenmiş görüntüler ile tahmin skorları sunulmuştur.
Özet (Çeviri)
In recent years, artificial intelligence has gained significant momentum due to the increase in data processing capacity and advancements in deep learning algorithms, achieving high performance especially in the analysis of large-scale datasets. One of the most notable reflections of these developments in the healthcare domain has been observed in the field of dentistry. In cases where traditional methods are insufficient, artificial intelligence offers an effective solution for the early-stage automatic detection of dental caries and tooth numbering. In this study, an artificial intelligence–based system was developed to assist dentists by utilizing bitewing and panoramic radiographic images. Open-source datasets were prepared for four distinct tasks; prior to training, the images were resized to meet model input requirements and data augmentation techniques were applied to improve training performance. To assess the generalization capability of the models in the caries detection task, both 5-fold cross-validation and direct training approaches were employed, whereas only the direct training approach was adopted for the tooth numbering task.The training processes were conducted using Detectron2, YOLOv11, and YOLOv12 models, and comprehensive performance comparisons were carried out. In the panoramic tooth numbering task, the highest performance was achieved by the YOLOv11 model with an F1-score of 97.4%, while the Detectron2 model demonstrated comparatively lower performance with an AP@50 value of 95.2%. For the panoramic caries detection task, YOLOv12 achieved the best performance with an F1-score of 85%.The tooth numbering performance on bitewing images was observed to be relatively lower compared to panoramic radiographs; in this task, the YOLOv12 model achieved an F1-score of 93.5%. In the bitewing caries detection task, YOLOv11 and YOLOv12 exhibited similarly high performance with F1-scores of 91.3% and 91.5%, respectively, whereas the Detectron2 model achieved a lower performance with an AP@50 value of 52.3%.Following the training phase, the trained weights and model files were saved, and a React-based user interface was developed, allowing users to perform predictions by selecting the model, image type, and task. The inference processes were executed via a Flask-based API backend, and the system outputs labeled images along with prediction confidence scores to the user.
Benzer Tezler
- Derin öğrenme yöntemine dayalı yapay zekâ algoritmalarıyla panoramik radyografilerde incelenen sabit protetik restorasyonlar altında oluşan çürüklerin tespiti
Detection of caries formed under fixed prosthetic restorations examined on panoramic radiographs with artificial intelligence algorithms based on DEEP learning method
BETÜL AYHAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKırıkkale ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
PROF. DR. SAADET SAĞLAM ATSÜ
- Diş sağlığı analizi için derin öğrenme yöntemlerin değerlendirilmesi
Evaluation of deep learning methods for dental health analysis
ALI A ABDULRAHMAN ABDULRAHMAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞAHİN IŞIK
- Derin öğrenme ve makine öğrenmesi teknikleri kullanılarak gümrük ithalatındaki usulsüz işlemlerin tahmin edilmesi
Predicting irregular transactions in customs imports using deep learning and machine learning techniques
İSMAİL ERGÜN
Yüksek Lisans
Türkçe
2021
İşletmeMersin Üniversitesiİşletme Bilgi Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EVRİM ERSİN KANGAL
- Diş görüntüleri üzerinde görüntü işleme ve derin öğrenme yöntemleri kullanılarak çürük seviyesinin sınıflandırılması
Classification of caries level using image processing and deep learning methods on dental images
ÜMRAN ÜNSAL
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
- Navigation based on inertial sensor data using deep learning techniques
Ataletsel sensör verileriyle derin öğrenme teknikleri kullanılarak navigasyon
MUHAMMET SERHAT SOYER
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET CENGİZ ONBAŞLI