Geri Dön

Derin öğrenme yöntemi ilepanoramik radyografilerdesüt dişlerinin tespiti ve numaralandırılmas

Detecti̇on and numbering of primary teeth in panoramic radiographs with deep learning method

  1. Tez No: 801804
  2. Yazar: ŞEHNAZ VONA
  3. Danışmanlar: DOÇ. DR. HÜSEYİN ŞİMŞEK
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Süt dişi, panoramik radyografi, yapay zeka, derin öğrenme, Primary teeth, panoramic radiography, artificial intelligence, deep learning
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Ordu Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Pedodonti Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Amaç: Son yıllarda teknolojinin gelişmesi ile birlikte yapay zeka uygulamaları popülaritesini artırmıştır. Özellikle radyoloji alanında birçok gelişmeye katkısı olan yapay zeka, diş hekimliğinde de gelişimini sürdürmektedir. Bu çalışmanın amacı, derin öğrenme yöntemi ile panoramik radyografilerde süt dişlerinin tespit edilmesinin ve numaralandırılmasının etkinliğini değerlendirmektir. Gereç ve yöntem: Bu çalışmada, 5-9 yaş aralığındaki çocuklardan alınan 701 panoramik radyografi kullanılmıştır. Radyografiler, Ordu Üniversitesi Diş Hekimliği Fakültesi Pedodonti Anabilim Dalı radyoloji arşivinden elde edilmiştir. Otomatik diş tespiti ve numaralandırılması için CNN tabanlı bir model olan Mask R-CNN mimarisi kullanılmıştır. Modelin performansı karışıklık matrisi kullanılarak değerlendirilmiştir. Bulgular: Kullanılan yapay zeka modeli, panoramik radyografilerde süt dişlerini tespit etme ve numaralandırmada yüksek performans sonuçları elde etmiştir. Karışıklık matrisi kullanılarak hesaplanan kesinlik, duyarlılık ve F1-skor değerleri sırasıyla 5 yaş grubu için; 0,9730, 0,9475 ve 0,9601, 6 yaş grubu için; 0,9444, 0,9042 ve 0,9239, 7 yaş grubu için; 0,9592, 0,9329 ve 0,9459, 8 yaş grubu için; 0,9840, 0,9135 ve 0,9475, 9 yaş grubu için; 0,92, 0,9049 ve 0,9123 bulunmuştur. Sonuç: Derin öğrenme tabanlı yapay zeka modelleri, çocuklardan alınan panoramik radyografilerde süt dişlerini otomatik tespit edip numaralandırmak için umut verici bir yaklaşımdır. Bu sistemlerin kullanılması klinik rutinde diş hekimlerine zaman kazandırabilir ve daha doğru tanı ve tedavi planlaması için yardımcı olabilir.

Özet (Çeviri)

Aim: With the development of technology in recent years, artificial intelligence applications have increased in popularity. Artificial intelligence, which has contributed to many developments especially in the field of radiology, continues its development in dentistry. The aim of this study is to evaluate the effectiveness of detecting and numbering primary teeth on panoramic radiographs with the deep learning method. Material and method: In this study, 701 panoramic radiographs from children aged 5-9 years were used. Radiographs were obtained from the radiology archive of Ordu University Faculty of Dentistry, Department of Pedodontics. Mask R-CNN architecture, a CNN-based model, was used for automatic tooth detection and numbering. The performance of the model was evaluated using the confusion matrix. Results: The artificial intelligence model used has achieved high performance results in detecting and numbering primary teeth in panoramic radiographs. The precision, recall and F1-score values calculated using the confusion matrix were 0.9730, 0.9475 and 0.9601 for the age group 5, 0.9444, 0.9042 and 0.9239 for the age group 6, 0.9592, 0.9329 and 0.9459 for the age group 7, 0.9840, 0.9135 and 0.9475 for the age group 8, 0.92, 0.9049 and 0.9123 for the age group 9, respectively. Conclusion: Deep learning-based artificial intelligence models are a promising approach to automatically detect and enumerate primary teeth in panoramic radiographs of children. The use of these systems can save dentists time in clinical routine and help for more accurate diagnosis and treatment planning.

Benzer Tezler

  1. Derin öğrenme yöntemi ile panoramik radyografilerdeki lezyonların tespiti

    Detection of lesions on panoramic radiographs using deep learning method

    DİLEK ÇOBAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiOrdu Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. YASİN YAŞA

  2. Derin öğrenme yöntemi ile daimi birinci azı dişlerinde ektopik erüpsiyonun tespit edilmesi

    Detection of ectopic eruption in permanent first molars using deep learning methods

    SİBEL ARSLAN KAYAALTI

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiOrdu Üniversitesi

    Pedodonti Ana Bilim Dalı

    PROF. DR. NİHAL BELDÜZ KARA

    DR. ÖĞR. ÜYESİ DİDEM ODABAŞI

  3. Derin öğrenme yöntemi ile protein ikincil yapı tahmini

    Protein secondary structure prediction using deep learning method

    EZGİ ÇAKMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İHSAN HAKAN SELVİ

  4. Derin öğrenme yöntemi ile iyonosferik tec değişimlerinin tahmin edilmesi

    Forecasting of ionospheric tec variations by deep learning method

    İSMAİL DEMİRYEGE

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilim ve TeknolojiHarran Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA ULUKAVAK

  5. Derin öğrenme yöntemi ile yüzeyel EMG işaretlerini sınıflandırarak dirsek eklemi için pozisyon kestirimi

    Position estimation for elbow joint by classification of surface EMG signals with deep learning methods

    AYBİKE PİROL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilim ve TeknolojiÇukurova Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CABBAR VEYSEL BAYSAL