Geri Dön

Panoramik radyografilerde yapay zeka uygulamaları kullanılarak dental implantlar ile ilişkili durumların otomatik analizi

Automated analysis of dental implant-related conditions on panoramic radiographs using artificial intelligence applications

PDF İndir

  1. Tez No: 1023248
  2. Yazar: AYRA ZORLU
  3. Danışmanlar: PROF. DR. HAKAN ÖZDEMİR, DOÇ. DR. SEVDA KURT BAYRAKDAR
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Periodontoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Bu çalışmada, implant planlaması ve takibinde kritik anatomik yapılarını, sinüs lift uygulanmış alanları, peri-implant kemik kayıplarını, farklı implant sistemlerini ve komponentlerini panoramik radyografiler üzerinden otomatik olarak tespit edebilen yapay zeka tabanlı bir sistem geliştirmek ve performansını değerlendirmek amaçlandı. Materyal ve Metot: İmplant tedavisi uygulanmış hastalardan alınan 1093 panoramik radyografiden oluşan veri seti üzerinde implant ile ilişkili anatomik yapılar (maksiller sinüs, maksiller sinüs septası, nazal fossa, mandibular kanal, mental foramen), sinüs lift uygulanmış alanlar, peri-implant kemik kayıpları, implantlar ve iyileşme başlıkları CranioCatch programı kullanılarak etiketlendi. Ayrıca, klinik veriler kullanılarak beş farklı implant sistemi (NucleOSS T6 Standart, NucleOSS T6 Torq, Medentika Quattrocone, Medentika Microcone ve BioHorizons Tapered Internal) sınıflandırılarak etiketlendi. Etiketlenen yapıların tanımlanması amacıyla yapay zeka tabanlı nesne tespit yöntemlerinden YOLOv8x-seg algoritması kullanıldı. Algoritmaların performansını değerlendirmek için ROC eğrileri ve PR eğrileri oluşturuldu; duyarlılık, kesinlik, F1 skoru, AP, mAP, AUC ve IoU değerleri hesaplandı. Bulgular: Geliştirilen YOLOv8x-seg modellerinin; anatomik referans yapıların tespitinde mAP değeri 0.811, sinüs lift alanlarının tespitinde AP değeri 0.819, peri implant kemik kayıplarının tespitinde AP değeri 0.786, implant komponentlerinin tespitinde mAP değeri 0.99 ve farklı implant sistemlerinin tespitinde mAP değeri 0.989 olarak hesaplandı. Sonuç: Bu çalışmada geliştirilen modellerin; panoramik radyografiler üzerinde implant ile ilişkili durumların tespiti, sınıflandırılması ve segmentasyonunda genel olarak yüksek performans gösterdi. Bu sistemlerin performansının arttırılması ve klinik kullanıma entegre edilebilmesi için daha büyük, çok merkezli ve dengeli veri setleriyle eğitilen ve bağımsız veri setleri üzerinde doğrulanan ileri çalışmalara ihtiyaç vardır.

Özet (Çeviri)

Objective: This study aimed to develop and evaluate the performance of an artificial intelligence-based system capable of automatically detecting critical anatomical structures, sinus lift augmented areas, peri-implant bone loss, different implant systems, and implant components on panoramic radiographs for implant planning and follow-up. Materials and Methods: A dataset consisting of 1093 panoramic radiographs obtained from patients who had undergone implant treatment was used to label implant related anatomical structures (maxillary sinus, maxillary sinus septum, nasal fossa, mandibular canal, mental foramen), sinus lift areas, peri-implant bone loss, implants, and healing abutments using the CranioCatch software. Additionally, five different implant systems (NucleOSS T6 Standart, NucleOSS T6 Torq, Medentika Quattrocone, Medentika Microcone, and BioHorizons Tapered Internal) were classified and labeled using clinical data. The YOLOv8x-seg algorithm, an artificial intelligence-based object detection method, was used to identify the labeled structures. ROC curves and PR curves were generated to evaluate the performance of the algorithms; sensitivity, precision, F1 score, AP, mAP, AUC and IoU values were calculated. Results: The YOLOv8x-seg models developed in this study achieved an mAP value of 0.811 for the detection of anatomical reference structures, an AP value of 0.819 for the detection of sinus lift areas, an AP value of 0.786 for the detection of peri-implant bone loss, an mAP value of 0.990 for the detection of implant components, and an mAP value of 0.989 for the detection of different implant systems. Conclusion: The YOLOv8x-seg models developed in this study generally demonstrated high performance in the detection, classification, and segmentation of implant-related conditions on panoramic radiographs. However, further studies trained with larger, multicenter, and balanced datasets and validated using independent datasets are needed to improve the performance of these systems and facilitate their integration into clinical use.

Benzer Tezler

  1. Tez No

    1020599

    Deep learning applications in oral and maxillofacial radiology

    Ağız, diş ve çene radyolojisinde derin öğrenme uygulamaları

    ELHAM TAHSIN YASIN YASIN

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT KÖKLÜ

  2. Tez No

    938211

    Derin öğrenme yöntemi kullanılarak geliştirilen yapay zeka uygulamaları aracılığıyla diagnostik doğruluğun tespiti

    Determination of diagnostic accuracy through artificial intelligence applications developed using deep learning method

    KADER BİÇENGİL

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2025

    Diş HekimliğiRecep Tayyip Erdoğan Üniversitesi

    Çocuk Diş Hekimliği Ana Bilim Dalı

    DOÇ. DR. DOÇ.DR.AYÇA KURT

  3. Tez No

    939972

    Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamaları aracılığıyla panoramik radyografiden diş yaşının tespiti ile demirjian diş yaşı belirleme yönteminin kıyaslanması

    Comparison of dental age estimation from panoramic radiographs using deep learning-based artificial intelligence applications and the demirjian method

    SUDE GÜMÜŞ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2025

    Diş HekimliğiRecep Tayyip Erdoğan Üniversitesi

    Çocuk Diş Hekimliği Ana Bilim Dalı

    DOÇ. DR. AYÇA KURT

  4. Tez No

    804064

    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

    Türkçe

    2023

    Diş HekimliğiKırıkkale Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. SAADET SAĞLAM ATSÜ

  5. Tez No

    1017148

    Derin öğrenme yöntemleriyle panoramik radyografi görüntülerinde perıodontal kemik kaybının tespiti

    Detection of periodontal bone loss on panoramic radiographs using deep learning methods

    TUĞÇE ÇAVDAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BÜLENT TURAN

Geri Dön