Derin öğrenme kullanılarak bite-wing radyografilerde pulpal kalsifikasyonların tespiti
Detection of pulpal calcifications in bite-wing images using deep learning
- Tez No: 733740
- Danışmanlar: DOÇ. DR. MELEK TAŞSÖKER
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Diş Hekimliği, Computer Engineering and Computer Science and Control, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Ağız, Diş Çene Radyolojisi Bilim Dalı
- Sayfa Sayısı: 98
Özet
Pulpa, dişin canlılığını sağlayan damar ve sinir demetlerinin bulunduğu mezenkimal kökenli bir bağ dokusudur. Yaşam boyunca pek çok faktörün etkisinde kalarak birtakım dejenaratif değişiklikler göstermektedir. Dejenaratif değişikliklerin bir şekli olan kalsifikasyonlar pulpa odası içinde farklı büyüklüklerde ve lokalizasyonlarda karşımıza çıkmaktadır. Dişte kalsifikasyon varlığında herhangi bir dental tedavi yapılması gerekmez ancak kalsifikasyon varlığı dişe yapılacak olan tedaviyi zorlaştırmaktadır. Kök kanal perforasyonlarına, alet kırıklarına veya kanal deviasyonlarına ve sonuç olarak diş kayıplarına sebep olabilmektedir. Dolayısıyla tedavi öncesi pulpal kalsifikasyonlarının tespiti önem arz etmektedir. Yapay zeka, günümüzde gittikçe artan teknolojik gelişmeler sayesinde hayatın her alanında kullanılmaya başlanan bilgisayar algoritmalarıdır. Diş hekimliğine ait her branşta yapay zeka uygulamaları ile ilgili çeşitli çalışmalar yapılmakla birlikte yapılan çalışmalar daha başlangıç seviyesinde sayılmaktadır. Ancak yine de yapay zeka araştırmaları yüksek doğrulukla sonuçlanmıştır ve gelecek vaat etmektedir. Yapay zekanın insan kaynaklı değişkenleri (tecrübe, zaman, yorgunluk gibi) minimize etmesinden dolayı pulpal kalsifikasyolarının tespitinde başarılı olacağı düşünülmektedir. Bu çalışmanın amacı derin öğrenme algoritmalarından YOLOv4 kullanılarak bite-wing radyografiler üzerinden yapay zekanın pulpal kalsifikasyonların varlığını tespit etme başarısını saptamaktır. Bu amaçla 2000 bite-wing radyografi kullanılmıştır. Bite-wingler üzerinde pulpa odaları kalsifikasyon 'var' ve 'yok' olarak etiketlenmiştir. Etiketlenen görüntülerin koordinatları YOLO formatında kaydedilmiştir. Etiketlenen 2000 bite-wing radyografinin %80'i ile eğitim; %10'u ile validasyon ve %10'u ile test seti oluşturulmuştur. Eğitim ve validasyon verilerine göre eğitim ağırlıkları oluşturulmuş ve maksimum olmayanı bastırma tekniğiyle performans kriterleri oluşturulmuştur. Eğitim metodumuzun doğruluğu %95.57, kesinliği %97.77, duyarlılığı %99.97, IoU değeri %97,78 ve mAP değeri %99,88 olarak bulunmuştur. Test setindeki 200 görüntüde hekim 1398 pulpa odası etiketlerken; yapay zeka 1229 etiket yapmıştır. Yapılan etiketlerde gerçek ve yapay zekanın kalsifikasyon var/yok tahminleri ile karşılaştırıldığında doğru pozitif sayısı 127, doğru negatif sayısı 1047, yanlış pozitif sayısı 22, yanlış negatif sayısı 20 olarak bulunmuştur. Test verilerimize göre oral radyoloğun etiketlediği pulpa odalarını sistemin tahmin etme performans değerleri doğruluk %86.18, kesinlik %98.94, duyarlılık %86.98 ve F1 skoru %91.60 ve sistemin kalsifikasyon varlığını tahmin etme değerleri; doğruluk %96.54, kesinlik %85.23, duyarlılık %86.39, özgüllük %97.74 ve F1 skor %85.49 olarak hesaplanmıştır. Tüm etiketlerin güven skoru %88.04; var etiketlerinin güven skoru %89.82 ve yok etiketlerinin güven skoru %86.25 olarak bulunmuştur. Eğittiğimiz derin öğrenme modeli diş pulpa odalarındaki kalsifikasyon tespitinde yüksek bir başarı elde etmiştir. Derin öğrenme algoritmaları klinisyenlere pulpal kalsifikasyon tespitinde yardımcı olabilir.
Özet (Çeviri)
The pulp is a connective tissue of mesenchymal origin, in which there are vessels and nerve bundles that provide the vitality of the tooth. The pulp tissue may show some degenerative changes by being under the influence of many external or internal factors throughout life. Calcifications, which are a type of degenerative changes, appear in different sizes and localizations in the pulp chamber. While no dental treatment is required in the presence of calcification in the tooth, it complicates the treatment to be performed on the tooth. Calcifications may cause root canal perforations, dental material fractures or canal deviations, and ultimately tooth loss. Therefore, it is important to detect pulpal calcifications before dental treatment. Artificial intelligence is computer algorithms that are being used in all areas of life thanks to ever-increasing technological developments. Although there are various studies on artificial intelligence applications in every branch of dentistry, the studies are considered at the beginning level. Nevertheless, AI studies have resulted in high accuracy and success, thus encouraging researchers. Therefore, artificial intelligence will be successful in detecting pulp calcifications as it minimizes human-induced variables (such as experience, time, fatigue). The aim of this study is to determine the success of artificial intelligence in detecting the presence of pulpal calcifications on bite-wing radiographs using YOLOv4, one of the deep learning algorithms. For this purpose, 2000 bite-wing radiographs were used. The pulp chambers on the bite-wings are labeled as 'present' and 'absent' with calcification. The coordinates of the labeled images were recorded in YOLO format. Of the 2000 bite-wing radiographs labeled, 80% were trained, 10% validated, and 10% tested. Training weights were created according to the training and validation data, and performance criteria were created with the non-maximum suppression technique. The accuracy of our training method was found to be 95.57%, precision 97.77%, sensitivity 99.97%, IoU value 97.78%, and mAP value 99.88%. While the dentist labeled 1398 pulp chambers in 200 images in the test set; the deep learning algorithm has made 1229 tags. When the real and artificial intelligence has/no calcification tags were compared, the number of true positives was 127, the number of true negatives was 1047, the number of false positives was 22, and the number of false negatives was 20. According to our test data, the performance values of the system for predicting the pulp chambers labeled by the oral radiologist, accuracy 86.18%, precision 98.94%, sensitivity 86.98%, and F1 score 91.60%, and the system's prediction values for the presence of calcification; accuracy was 96.54%, precision was 85.23%, sensitivity was 86.39%, specificity was 97.74% and F1 score was 85.49%. The confidence score of all tags is 88.04%; the confidence score of present labels was 89.82% and the confidence score of absent labels was 86.25%.
Benzer Tezler
- Dijital bitewing radyografilerde derin öğrenme yöntemi ile dişlerin numaralandırılması ve çürük tespitinin değerlendirilmesi
Evaluation of teeth numbering and caries detection with deep learning method in digital bitewing radiographs
BATURALP AYHAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKırıkkale ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. YUSUF BAYRAKTAR
- 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
- Bitewing radyograflardaki diş çürüklerinin anlamsal bölütleme yapay zekâ modeliyle değerlendirilmesi
Evaluation of dental caries on bitewing radiographs by semantic segmentation Al model
HALİL İBRAHİM ÖZDEMİR
Yüksek Lisans
Türkçe
2022
BiyomühendislikKütahya Dumlupınar Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER KASIM
- Building detection from very high resolution satellite images with deep learning approach
Derin öğrenme yaklaşımı ile çok yüksek çözünürlüklü uydu görüntülerinde bina tespiti
ESRA ÖZAYDIN
Yüksek Lisans
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT