Konik ışınlı bilgisayarlı tomografi görüntülerinin yapay zekâ ile değerlendirilmesi
Evaluation of cone-beam computed tomography images with artificial intelligence
- Tez No: 768563
- Danışmanlar: DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Derin öğrenme, konik ışınlı bilgisayarlı tomografi, yapay zekâ, Artificial intelligence, cone beam computed tomography, deep learning
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 140
Özet
Amaç: Yapay zekânın sağlık alanındaki görsellerin değerlendirilmesinde önemli bir potansiyele sahip olduğu görülmektedir. Bu çalışma, evrişimli sinir ağı temelli algoritmalar kullanılarak geliştirilen yapay zekâ modellerinin KIBT görüntülerinin değerlendirilmesindeki başarısını değerlendirmeyi amaçlamaktadır. Materyal ve Metot: Üç yüz adet KIBT görüntüsünden oluşan veri seti üzerinde çürük, restoratif dolgu materyali, kök-kanal dolgu materyali, dental implant, implant destekli kuron, kuron, pontik, gömülü diş, sürnümerer diş, rezidüel diş kökü, osteosklerotik alan, periapikal lezyon, radyolüsent çene lezyonu, radyopak çene lezyonu, mikst görünümlü çene lezyonunu içeren 15 farklı durum için CranioCatch yazılımı (CranioCatch, Eskişehir-Türkiye) kullanılarak etiketleme yapılmıştır. Model geliştirilmesinde Mask R-CNN mimarisi ve transfer öğrenme yöntemi olarak da ResNet 101 modeli kullanılmıştır. Karışıklık matris yöntemiyle modelin başarı metrikleri hesaplanmıştır. Bulgular: Yapay zekâ modelinin dental durumları tespit etme performansı değerlendirildiğinde en yüksek duyarlılık değerleri için dental implant 1, sürnümerer diş 1, kök kanal dolgu materyali 0.9863, en düşük duyarlılık değerleri için mikst görünümlü çene lezyonu 0.7857, periapikal lezyon 0.8601, osteosklerotik alan 0.875 olarak bulunmuştur. En yüksek kesinlik değerleri için dental implant 1, implant destekli kuron 1, kök kanal dolgu materyali 0.9948, en düşük kesinlik değerleri için sürnümerer diş 0.7741, mikst görünümlü çene lezyonu 0.8148, osteosklerotik alan 0.9333 olarak bulunmuştur. En yüksek F1 skoru değerleri için dental implant 1, kök kanal dolgu materyali 0.9905, implant destekli kuron 0.9876, en düşük F1 skoru değerleri için mikst görünümlü çene lezyonu 0.8, sürnümerer diş 0.8727, periapikal lezyon 0.9002 olarak bulunmuştur. Sonuç: Yapay zekânın KIBT görüntüleri üzerinde farklı klinik durumların tespitindeki başarısı ümit vericidir. Yapay zekâ teşhis sürecinde hekimlere karar destek mekanizması olarak, KIBT görüntülerinin yorumlanmasında zaman kazandırmak ve tedavi planlamasına yardımcı olmak amacıyla kullanılabilir.
Özet (Çeviri)
Aim: It is seen that artificial intelligence has an important potential in the evaluation of medical images. This study aims to evaluate the success of artificial intelligence models developed using CNN-based algorithms in the evaluation of CBCT images. Materials and Method: Labeling process was done using CranioCatch annotation software (CranioCatch, Eskişehir-Turkey) for 15 different conditions including caries, restorative filling material, root-canal filling material, dental implant, implant supported crown, crown, pontic, impacted tooth, supernumerary tooth, residual root, osteosclerotic area, periapical lesion, radiolucent jaw lesion, radiopaque jaw lesion and mixed appearing jaw lesion on the data set consisting of 300 CBCT images. In model development, Mask R-CNN architecture and ResNet 101 model as transfer learning method were used for model development. The success metrics of the model were calculated with the confusion matrix method. Results: When evaluating the performance of the AI model to detect dental conditions, the highest sensitivity for dental implant, supernumerary tooth, root canal filling material values were found as 1, 1, 0.9863, respectively. The lowest sensitivity values for mixed-appearing jaw lesion, periapical lesion, osteosclerotic area were found as 0.7857, 0.8601, 0.875, respectively. The highest precision values for dental implant, implant supported crown, root canal filling material were found as 1, 1, 0.9948, respectively. The lowest precision values for supernumerary tooth, mixed appearing jaw lesion, osteosclerotic area were found as 0.7741, 0.8148, 0.9333, respectively. Highest F1 score values for dental implant, root canal filling material, implant supported crown were found as 1, 0.9905, 0.9876, respectively. The lowest F1 score values for mixed- appearing jaw lesion, supernumerary tooth, periapical lesion were found as 0.8, 0.8727, 0.9002, respectively. Conclusion: The success of artificial intelligence in detecting different clinical conditions on CBCT images is promising. Artificial intelligence can be used as a decision support mechanism for physicians in the diagnosis process to save time in the interpretation of CBCT images and to assist in treatment planning.
Benzer Tezler
- Konik ışınlı bilgisayarlı tomografi görüntülerinde nazopalatin kanal tespitinin yapay zeka ile karşılaştırılması
Comparison of nasopalatine canal detection in CONE-BEAM computed tomography images with artificial intelligence
HATİCE AHSEN DENİZ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiAnkara ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. RANA NALÇACI
- Konı̇k ışınlı bı̇lgı̇sayarlı tomografı̇ görüntülerı̇nden elde edı̇len lateral sefalometrı̇k radyograflar üzerı̇nden derı̇n öğrenme yöntemı̇yle gelı̇ştı̇rı̇lmı̇ş yapay zeka algorı̇tmalarıyla servı̇kal vertebra maturasyonunun değerlendı̇rı̇lmesı̇
Detection of cervical vertebrae maturation with artificial intelligence algorithms improved by deep learning method on lateral cephalometric images obtained from cone-beam computed tomography images
İREM BALCI İNCEBEYAZ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU
- Obstrüktif uyku apnesi sendromlu erişkin hastalarda yapay zeka kullanılarak hava yolu hacminin, hyoid kemik morfolojisinin ve kraniyofasiyal ilişkilerin değerlendirilmesi
Evaluation of airway volume, hyoid bone morphology and craniofacial relationships using artificial intelligence in adult patients with obstructive sleep apnea syndrome
ZEYNEP GÜRPINAR GİZLİ
Doktora
Türkçe
2024
Diş HekimliğiAnkara ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. TÜLİN UFUK TOYGAR MEMİKOĞLU
- Konik ışınlı bilgisayarlı tomografi görüntüleri üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla faringeal havayolu değerlendirilmesi
Evaluation of the pharyngeal airway with artificial intelligence algorithms improved by deep learning method on cone-beam computed tomography images
BATUHAN KULELİ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU
- Maksiller 3.molar dişlerde panoramik radyografinin etkinliğinin konik ışınlı bilgisayarlı tomografiyle elde edilen bulgularla geliştirilmiş yapay zeka modeli üzerinde değerlendirilmesi
Evaluation of the efficiency of panoramic radiography in maxillary third molar teeth on artificial intelligence model developed by findings obtained by cone beam computed tomography
ESRA AYDEMİR KADAN
Doktora
Türkçe
2024
Diş HekimliğiAtatürk ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. SAADETTİN DAĞİSTAN
PROF. DR. ÖZKAN MİLOĞLU