Geri Dön

Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamasıyla çocuklardan alınan panoramik radyografilerde çürük dişlerin tespiti

Determination of caries teeth in panoramic radiographs taken from children with artificial intelligence developed by using deep learning method

PDF İndir

  1. Tez No: 663526
  2. Yazar: ESRA AŞÇI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MÜNEVVER KILIÇ
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Çürük, Yapay Zekâ, Panoramik Radyografi, Derin Öğrenme, Caries, Artificial Intelligence, Panoramic Radiography, Deep Learning
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Pedodonti Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 100

Özet

Amaç: Diş çürükleri, dünya genelinde birçok genç ve yetişkini etkileyen kronik bir rahatsızlıktır. Erken teşhis, tedavi sonuçlarını önemli ölçüde iyileştirebilir ve invaziv prosedürlere olan ihtiyacı azaltabilir. Bu çalışma, derin öğrenme yöntemleri kullanılarak geliştirilen yapay zekâ uygulamasıyla çocuklardan alınan panoramik radyografilerde diş çürüklerinin teşhis etkinliğini değerlendirmeyi amaçlamaktadır. Materyal ve Metot: Bu çalışmada, yapay zekâ modeli geliştirmek için 4-14 yaş aralığındaki çocuklardan alınan 6075 panoramik radyografi kullanıldı. Radyografiler, Atatürk Üniversitesi Diş Hekimliği Fakültesi Pedodonti Anabilim Dalı radyoloji arşivinden elde edildi. Çalışmamıza dahil edilen panoramik radyografiler süt dişlenme (n: 1857), karışık dişlenme (n: 1406) ve daimi dişlenme (n: 2812) olmak üzere üç gruba ayrıldı. PyTorch kütüphanesi ile uygulanan U-Net modeli çürük lezyonlarının tespiti ve segmentasyonu için kullanıldı. Yapay zekâ performansı, karışıklık matrisi kullanılarak değerlendirildi. Bulgular: AI, süt dişlenmesinin test grubundaki 180 görüntüde bulunan 1276 çürük etiket sayısından 1006'sını gerçek pozitif, 96'sını yanlış pozitif ve 174'ünü yanlış negatif olarak değerlendirmiştir. Karışıklık matrisi kullanarak hesaplanan duyarlılık, kesinlik ve F1 skor değerleri sırasıyla 0,8525, 0,9128 ve 0,8816 olarak tespit edilmiştir. AI, karışık dişlenmenin test grubundaki 140 görüntüde bulunan 674 çürük etiket sayısından 467'sini gerçek pozitif, 41'ini yanlış pozitif ve 166'sını yanlış negatif olarak değerlendirmiştir. Karışıklık matrisi kullanarak hesaplanan duyarlılık, kesinlik ve F1 skor değerleri sırasıyla 0,7377, 0,9192 ve 0,8185 olarak tespit edilmiştir. AI, daimi dişlenmenin test grubundaki 285 görüntüde bulunan 1130 çürük etiket sayısından 866'sını gerçek pozitif, 83'ünü yanlış pozitif ve 181'ini yanlış negatif olarak değerlendirmiştir. Karışıklık matrisi kullanarak hesaplanan duyarlılık, kesinlik ve F1 skor değerleri sırasıyla 0,8271, 0,9125 ve 0,8677 olarak tespit edilmiştir. Sonuç: Derin öğrenme tabanlı AI modelleri, çocuklardan alınan panoramik radyografilerde çürükleri tespit ve teşhis etmek için umut verici bir araçtır. AI, klinisyene zaman kazandırmasının ve yardımcı olmasının yanı sıra, çürüklerin otomatik olarak tespit edilmesinde önemli bir rol oynayabilir.

Özet (Çeviri)

Aim: Dental caries are a chronic illness affecting many youngsters and adults across the world. Early diagnosis may improve treatment outcomes significantly and decrease the need for invasive procedures. The aim of the study was to evaluate the diagnostic effectiveness of dental cavities in the panoramic radiographs taken from children with an artificial intelligence application developed using the deep learning method. Material and Method: This study used 6075 panoramic radiographs taken from children aged between 4 and 14 to develop the artificial intelligence model. The radiographs were obtained from the radiology archive of the Department of Pedodontics in the Faculty of Dentistry at Atatürk University. The radiographs included in the study were divided into three groups as primary dentition (n: 1857), mixed dentition (n: 1406), and permanent dentition (n: 2812). U-Net model implemented with PyTorch library was used for the detection and segmentation of caries lesions. The performance of artificial intelligence was assessed using the confusion matrix. Results: The artificial intelligence evaluated 1006 of 1276 caries tag number in 180 images of the primary dentition test group as true positive, 96 as false positive, and 174 as false negative. The sensitivity, precision, and F1 scores calculated using the confusion matrix were found as 0.8525, 0.9128, and 0.8816, respectively. The artificial intelligence evaluated 467 of 674 decay tag number in 140 images of the mixed dentition test group as true positive, 41 as false positive, and 166 as false negative. The sensitivity, precision, and F1 scores calculated using the confusion matrix were found as 0.7377, 0.9192, and 0.8185, respectively. The artificial intelligence evaluated 866 of 1130 decay tag number in 285 images of the permanent dentition test group as true positive, 83 as false positive, and 181 as false negative. The sensitivity, precision, and F1 scores calculated using the confusion matrix were found as 0.8271, 0.9125, and 0.8677, respectively. Conclusion: Deep learning-based artificial intelligence models are promising tools for the detection and diagnosis of caries in panoramic radiographs taken from children. Artificial intelligence saves time and helps the clinician as well as it may play an important role in the automated detection of caries.

Benzer Tezler

  1. Tez No

    863690

    A situational awareness framework for connected autonomous vehicles

    Bağlantılı otonom araçlar için durum farkındalık sistemi

    DERYANUR TEZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLAY ÖKE GÜNEL

  2. Tez No

    638685

    A new nonlinear lifting line method for configuration aerodynamics and deep learning based aerodynamic surrogate models

    Konfigürasyon aerodinamiği analizi ve derin öğrenme bazlı aerodinamik dijital model oluşturmak için yeni bir doğrusal olmayan taşıyıcı çizgi metodu

    HASAN KARALİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT ADİL YÜKSELEN

    PROF. DR. GÖKHAN İNALHAN

  3. Tez No

    779478

    Enriching predictive models using graph embeddings

    Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi

    YAREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  4. Tez No

    900798

    Gen dizilerinin tanımlanması ve sınıflandırılması amacıyla Yapay Zekâ sistemlerinin geliştirilmesi

    Development of Artificial Intelligence systems for the identification and classification of gene sequences

    BAHAR ÇİFTÇİ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN TEKİN

  5. Tez No

    881252

    Afet bölgeleri için iha kullanarak derin öğrenme tabanlı yol optimizasyonu

    Deep learning based road optimization using uav for disaster regions

    MEHMET SERHAT CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER

Geri Dön