Yapay zekânın kök kanal tedavisi başarı değerlendirilmesinde rolü ve potansiyeli
The role and potential of artificial intelligence in the evaluation of root canal treatment success
- Tez No: 1018701
- Danışmanlar: PROF. DR. İSMAİL UZUN
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Endodonti Ana Bilim Dalı
- Bilim Dalı: Endodonti Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET YAPAY ZEKÂNIN KÖK KANAL TEDAVİSİ BAŞARI DEĞERLENDİRİLMESİNDE ROLÜ VE POTANSİYELİ Amaç: Bu tez çalışmasında, periapikal radyografiler üzerinden kök kanal dolgusunun radyografik teknik kalitesinin yapay zekâ destekli görüntü sınıflandırma yaklaşımıyla değerlendirilmesi amaçlanmıştır. Materyal ve Metot: Bu çalışmada 240 adet tek köklü maksiller anterior diş kullanıldı ve örnekler kök kanal dolgusunun radyografik teknik kalitesine göre altı gruba ayrıldı. Kök kanal şekillendirme ve dolum işlemlerinin ardından periapikal radyografiler elde edildi; görüntüler eğitim, doğrulama ve test veri setlerine ayrıldı. Görüntü sınıflandırması için YOLOv8x-cls modeli kullanıldı ve model performansı temel sınıflandırma metrikleri ile değerlendirildi. Bulgular: Yapay zekâ destekli sınıflandırma modeli, kök kanal dolgusunun radyografik teknik kalite gruplarını yüksek doğrulukla ayırt etmiştir. Genel doğruluk ve F1-skoru 1,00 olarak elde edilmiştir. Sınıf bazlı değerlendirmede tüm gruplar için precision, recall, specificity, F1-skoru ve AUC değerleri 1,00 olarak bulunmuştur. Konfüzyon matrisi bulguları, modelin sınıflar arasında karışıklık göstermediğini ortaya koymuştur. ROC-AUC ve precision–recall eğrileri, modelin tüm sınıflarda yüksek ayırt edicilik performansı sergilediğini desteklemiştir. Sonuç: Kök kanal dolgusunun radyografik teknik kalitesinin periapikal radyografiler üzerinden yapay zekâ destekli görüntü sınıflandırma yaklaşımıyla değerlendirilebildiği gösterilmiştir. Bulgular, derin öğrenme tabanlı modelin önceden tanımlanmış kalite gruplarını yüksek doğrulukla ayırt edebildiğini ve bu yaklaşımın standart, hızlı ve tekrarlanabilir bir değerlendirme aracı olarak kullanılma potansiyeli taşıdığını ortaya koymuştur.
Özet (Çeviri)
ABSTRACT THE ROLE AND POTENTIAL OF ARTIFICIAL INTELLIGENCE IN THE EVALUATION OF ROOT CANAL TREATMENT SUCCESS Aim: This thesis aimed to evaluate the radiographic technical quality of root canal fillings on periapical radiographs using an artificial intelligence-assisted image classification approach. Materials And Methods: In this study, 240 single-rooted maxillary anterior teeth were used, and the specimens were divided into six groups according to the radiographic technical quality of the root canal filling. Following root canal shaping and obturation procedures, periapical radiographs were obtained, and the images were divided into training, validation, and test datasets. The YOLOv8x-cls model was used for image classification, and model performance was evaluated using basic classification metrics. Results: The artificial intelligence-assisted classification model distinguished the radiographic technical quality groups of root canal fillings with high accuracy. Overall accuracy and F1-score were obtained as 1.00. In the class-based evaluation, precision, recall, specificity, F1-score, and AUC values were found to be 1.00 for all groups. The confusion matrix findings demonstrated that the model did not show any confusion between the classes. The ROC-AUC and precision–recall curves supported that the model exhibited high discriminatory performance across all classes. Conclusion: It was demonstrated that the radiographic technical quality of root canal fillings can be evaluated on periapical radiographs using an artificial intelligence-assisted image classification approach. The findings revealed that the deep learning-based model could distinguish the predefined quality groups with high accuracy and that this approach has the potential to be used as a standardized, rapid, and reproducible assessment tool.
Benzer Tezler
- Derin öğrenme kullanılarak bite-wing radyografilerde pulpal kalsifikasyonların tespiti
Detection of pulpal calcifications in bite-wing images using deep learning
FATMA YÜCE
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. MELEK TAŞSÖKER
- Konik ışınlı bilgisayarlı tomografi görüntülerinin yapay zekâ ile değerlendirilmesi
Evaluation of cone-beam computed tomography images with artificial intelligence
TUĞBA ARI
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiEskişehir Osmangazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR
- Çevresel sürdürülebilirlik ve yeşil yıkama: Yapay zekâ ve finansal teknolojilerin rolü üzerine ampirik bir analiz
Environmental sustainability and greenwashing: An empirical analysis of the role of artificial intelligence and financial technologies
SALAH ALDDIN ALJASEM
- Alt üçüncü molar diş çekimi sonrası görülen inferior alveolar sinir hasarının değerlendirmesinde, yapay zekânın başarısı ve önemi
The role and effectiveness of artificial intelligence in the evaluation of inferior alveolar nerve injury following mandibular third molar extraction
BAHADIR ŞERBETÇİ
Diş Hekimliği Uzmanlık
Türkçe
2026
Diş HekimliğiSelçuk ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. HASAN KÜÇÜKKOLBAŞI
- Üst birinci molar dişlerin mesiobukkal köklerindeki ilave kanal varlığının yapay zeka ile değerlendirilmesi
Evaluation of the presence of additional canal in mesiobuccal roots of upper first molar teeth with artificial intelligence
DENİZ MELTEM GÜLLÜ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiMarmara ÜniversitesiEndodonti Ana Bilim Dalı
PROF. DR. NEVİN KARTAL