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
- Tez No: 780382
- Danışmanlar: PROF. DR. RANA NALÇACI
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
NPK; maksiller santral keserlerin posteriorunda, orta hatta lokalizasyon gösteren bir anatomik oluşumdur. Kanalın morfolojisi oldukça fazla ve önemli miktarda değişkenlik göstermektedir. NPK bir ileri görüntüleme yöntemi olan KIBT ile de görüntülenebilir. Bunun yanısıra, KIBT yapay zeka alanında da pek çok çalışmada kullanılmaktadır. Yapay zeka, veriler aracılığıyla öğrenebilen makinelerin problemleri çözmeleri amaçlanarak geliştirilmiş sistemlerdir. YOLO (You Only Look Once) oldukça hızlı bir nesne tanıma mimarisi olarak karşımıza çıkmaktadır. YOLO'nun 5. Versiyonu olan YOLOv5'in son resmi güncellemesinde segmentasyon modelleri kullanıma sunulmuştur. Bu Tez çalışmasının amacı KIBT görüntülerinde NPK'ın segmente edilmesi ve dallanma durumunun değerlendirilmesi açısından gözlemci ile yapay zekayı karşılaştırmaktır. Çalışma kapsamında, KIBT görüntüleri retrospektif olarak tarandı. Taranan görüntülerden, NPK'da dallanma var olan 100 kanala ve dallanma olmayan 100 kanala ait, toplamda 200 KIBT görüntüsü seçildi. Bu KIBT görüntülerine ait aksiyel kesit çerçeve görüntüsü etiketleme işlemi için kullanıldı. Görüntülerdeki NPK dallanma varlığı ya da yokluğu durumuna göre sınıflandırılarak etiketlendi. Bu tez çalışması, YOLOv5x-seg modeli ile yapıldı. Görüntülerin %80'i olan 160 tanesi eğitim veri seti, %10'u olan 20 tanesi doğrulama veri seti, %10'u olan 20 tanesi test veri seti olarak ayrıldı. YOLOv5x-seg modeli ile 800 epoch (eğitim turu) yapılarak eğitim gerçekleştirildi. Karışıklık Matrisi kullanılarak, yapay zekanın performansı değerlendirildi. Gözlemci içi güvenilirlik için 2 hafta sonra görüntülerin % 20'si dallanma varlığı ya da yokluğu durumu açısından tekrar sınıflandırıldı. YOLOv5x-seg modelinin NPK tespiti ve sınıflandırılması için duyarlılık, kesinlik, F1 skoru ve IoU değerleri; NPK dallanması olan grup için sırasıyla 0.9680, 0.9953, 0.9815, 0.9636 olarak, NPK dallanması olmayan grup için sırasıyla 0.9827, 0.9975, 0.9900, 0.9803 olarak bulundu. mAP ve AUC değerleri ise; NPK dallanması olan grup için sırasıyla 0.7930, 0.8841, NPK dallanması olmayan grup için sırasıyla 0.9637, 0.9510 olarak bulundu. YOLOv5x-seg modelinin NPK dallanma varlığı ve daha az veri seti ile eğitildiğinde bile, mükemmel olmasa da gayet başarılı ve kabul edilebilir sınırların üzerinde bir tahmin doğruluğu elde ettiğini düşünmekteyiz. Temelde nesne algılama algoritması olan YOLOv5 algoritmasının segmentasyon özelliği, yeni geliştirilmesine rağmen oldukça başarılı sonuçlara ulaştığı ancak geliştirilmeye açık ve umut vaadedici olduğunu düşünmekteyiz.
Özet (Çeviri)
NPC is an anatomical formation localized in the midline posterior to the maxillary central incisors. The morphology of the canal varies considerably. NPC can also be visualized with CBCT, an advanced imaging modality. In addition, CBCT is used in many studies in the field of artificial intelligence. Artificial intelligence is systems developed with the aim of solving problems by machines that can learn through data. YOLO (You Only Look Once) is a rapid object detection framework. In the last official update of YOLOv5, version 5 of YOLO, segmentation models were introduced. The aim of this thesis study is to compare the observer and artificial intelligence in terms of segmentation of NPC and branching status assessment in CBCT images. In the study, the CBCT images were retrospectively scanned. A total of 200 CBCT images of 100 canals with branching in NPC and 100 canals without branching were selected. The axial sectional frame view of these CBCT images was used for labeling. They were labeled and classified according to the presence or absence of NPC branching in the images. This thesis study was done with YOLOv5x-seg model. 80% of the images were divided into 160 training datasets, 10% validation datasets, and 10% test datasets. The training was done by making 800 epochs (training tours) with the YOLOv5x-seg model. Using the Confusion Matrix, the performance of the AI was evaluated. For intra-observer reliability, after 2 weeks, 20% of the images were reclassified for presence or absence of branching. Sensitivity, precision, F1 score, and IoU values for NPC detection and classification of the YOLOv5x-seg model; It was found as 0.9680, 0.9953, 0.9815, 0.9636 for the group with NPC branching, and as 0.9827, 0.9975, 0.9900, 0.9803 for the group without NPC branching, respectively. mAP and AUC values are found as 0.7930 and 0.8841 for the group with NPC branching, respectively, 0.9637 and 0.9510 for the group without NPC branching. We think that even when the YOLOv5x-seg model is trained with the presence of NPC branching and fewer datasets, it achieves a good, if not perfect, prediction accuracy above acceptable limits. We think that the segmentation feature of the YOLOv5 algorithm, which is basically an object detection algorithm, has achieved quite successful results despite its recent development, but is open to development and promising.
Benzer Tezler
- Konik ışınlı bilgisayarlı tomografi görüntülerinde canalis sinuosus'un ve bununla ilişkili aksesuar kanalların incelenmesi
Investigation of canalis sinuosus and related accessory canals in cone-beam computed tomography images
HATİCE TETİK
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiGazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. ZÜHRE AKARSLAN
- Türk toplumunda dental implant tedavisi öncesi tetkik amaçlı alınan konik-ışınlı bilgisayarlı tomografi görüntülerinde önemli anatomik yapılar ve varyasyonlarının görülme sıklığı ile tanımlayıcı analizlerinin retrospektif olarak değerlendirilmesi
Retrospective evaluation of the prevalence of important anatomical structures and variations in cone-beam computed tomography images taken for examination purpose before dental implant treatment in turkish population and descriptive analysis
MERDAN ALLABERDİYEV
Doktora
Türkçe
2022
Diş HekimliğiSağlık Bilimleri ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İSMAİL HAKAN AVSEVER
- Çenelerde görünen anatomik varyasyonların, dental implantlar ile ilişkisinin konik ışınlı bilgisayarlı tomografi görüntülerinde incelenmesi
Investigation of anatomical variations in the jaws and their relationship with dental implants in cone beam computed tomography images
MUHAMMED YASİR ÖZKESİCİ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiAkdeniz ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. SEVCİHAN GÜNEN YILMAZ
- Ortognatik cerrahi hastalarında maksillofasiyal bölgede sık karşılaşılan anatomik varyasyonlar
Common anatomical variations in the maxillofacial region in orthognathic surgery patients
DERYA GEZER
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiSüleyman Demirel ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. ESİN BOZDEMİR
- Maksilla anterior bölgedeki gömülü dişlerin çevre anatomik yapılar ve dişlerle olan ilişkillerinin değerlendirilmesinde konik ışıklı bilgisayarlı tomografi ve panoramik radyograf görüntülerinin karşılaştırılması
The comparison of cone beam computed tomography and panoramic radiograph for evaluation impacted teeth in the anterior region of maxilla and their relationship with adjacent teeth and anatomic structures
EMRE KÖSE
Diş Hekimliği Uzmanlık
Türkçe
2015
Diş HekimliğiErciyes ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
YRD. DOÇ. DR. EMİN MURAT CANGER