Geri Dön

Dental implantların marka ve model tanımlamasında yapay zeka sistemleri etkinliğinin değerlendirilmesi

Evaluation of artificial intelligence systems in brand and model identification of dental implants

  1. Tez No: 806180
  2. Yazar: TARIK ALİ UĞUR
  3. Danışmanlar: DOÇ. DR. SELMİ YARDIMCI
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Amaç: Dental implantlar, eksik dişler için en popüler ve kabul gören rehabilitasyon yöntemlerinden biri haline gelmiştir. Birçok parça içeren dental implantlar, kendine has tasarıma sahiptir ve diş hekimlerinin etkin bir tedavi sunabilmesi için implantların üreticisini tanımlayabilmesi gerekir. Çalışmamızın amacı, yapay zeka sistemlerinin çeşitli dental implantların marka ve modelini tanımlamadaki etkinliğini değerlendirmektir. Yöntem: Bu çalışmada, 2020 - 2023 arası Akdeniz Üniversitesi Diş Hekimliği Fakültesi'nde dental implant tedavisi uygulanmış hastalardan alınan panoramik radyograflar geriye dönük olarak toplanmıştır. Beş üreticinin yedi implant modeline ait 1907 adet implant içeren toplam 523 panoramik radyograf veri setine dahil edilmiştir. Bu veri setine parlaklık ve rotasyon değişiklikleri yapılarak veri artırma uygulanmıştır. Elde edilen yeni veri setinin %80'i eğitim, %10'u doğrulama ve %10'u test verisi olarak bölünmüş ve implantların etiketlenmesi LabelImg programı kullanılarak yapılmıştır. İmplant sistemlerinin tanımlanması amacıyla yapay zeka tabanlı nesne tespit yöntemlerinden YOLOv5, YOLOv7 ve YOLOv8 algoritmaları kullanılmıştır. Algoritmaların performansını değerlendirmek için kesinlik, duyarlılık, mAP, F1 skorları ve hata matrisleri kullanılmıştır. Bulgular: Tüm implantlar arası kesinlik, duyarlılık, mAP ve F1 skorları YOLOv5 için sırasıyla 0,786, 0,648, 0,764 ve 0,71; YOLOv7 için sırasıyla 0,81, 0,815, 0,855 ve 0,81; YOLOv8 için 0,89, 0,901, 0,955 ve 0,89'dur. Algoritmalar veri setindeki sayısı fazla olan ve tasarımı farklı implantlarda genellikle daha iyi performans göstermiştir. Sonuç: Yapay zeka tabanlı nesne tespit algoritmaları, nispeten küçük bir veri setinde bile, dental implantları panoramik radyograflar üzerinden tanımlamada yeterli bir performans göstermiştir. Algoritmalar güncellendikçe performansları giderek artmıştır. Daha büyük veri kümeleri ve farklı dental implantlarla eğitilmiş yapay zeka sistemleri, implantları tanımlamada hekimlere yardımcı olabilir.

Özet (Çeviri)

Objective: Dental implants have become one of the most popular and accepted rehabilitation methods for missing teeth. Dental implants, which contain many parts, have a unique design and dentists need to be able to identify the manufacturer of the implants in order to provide effective treatment. The aim of our study is to evaluate the effectiveness of artificial intelligence systems in identifying the make and model of various dental implants. Method: In this study, panoramic radiographs from patients who underwent dental implant treatment at Akdeniz University Faculty of Dentistry between 2020 and 2023 were retrospectively collected. A total of 523 panoramic radiographs including 1907 implants from seven implant models of five manufacturers were included in the dataset. Data augmentation was applied to this dataset with brightness and rotation modifications. The new dataset was divided into 80% training, 10% validation and 10% test data, and the implants were labeled using the LabelImg program. YOLOv5, YOLOv7 and YOLOv8 algorithms, which are artificial intelligence based object detection methods, were used to identify the implant systems. Precision, sensitivity, mAP, F1 scores and confusion matrices were used to evaluate the performance of the algorithms. Results: The precision, recall, mAP and F1 scores across all implants were 0.786, 0.648, 0.764 and 0.71 for YOLO v5; 0.81, 0.815, 0.855 and 0.81 for YOLO v7; and 0.89, 0.901, 0.955 and 0.89 for YOLOv8, respectively. The algorithms generally performed better for implants with a larger number in the dataset and different implant designs. Conclusion: Artificial Intelligence based object detection algorithms have performed adequately in identifying dental implants on panoramic radiographs, even on a relatively small dataset. As the algorithms were updated, their performance gradually improved. Artificial intelligence systems trained with larger datasets and different dental implants could help physicians to identify implants.

Benzer Tezler

  1. Konik tip ı̇mplant-abutment bağlantısına sahip ı̇mplant sistemlerinin dinamik ve statik yükleme performansları

    The dynamic and static load performance of implant systems with conical implant-abutment connections

    MEHMET CAN BAŞGİL

    Doktora

    Türkçe

    Türkçe

    2017

    Diş HekimliğiÇukurova Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. CEM KURTOĞLU

  2. Comparison of manual and automatic torque devices in implant-supported prostheses

    Implant destekli protezlerde manuel ve otomatik tork cihazlarının karşılaştırılması

    MERT YİĞİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Diş HekimliğiYeditepe Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. ENDER KAZAZOĞLU

  3. Posterior bölgede yeterli kemik yüksekliği bulunmayan hastalarda implant üstü sabit protez desteği için kısa boylu dental implantların kullanımının kemik kaybı açısından değerlendirilmesi

    Evalution of marginal bone loss of short length dental implants used for implant supported fixed prosthesis at patients with insufficient bone height on posterior region

    AYTAÇ YAŞAR

    Doktora

    Türkçe

    Türkçe

    2016

    Diş HekimliğiErciyes Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL GÜLERYÜZ GÜRBULAK

  4. 5 MM ve 8 MM boylarındaki dental implantların D2 ve D4 kemik tiplerinde yerleştirilme ve çıkarma tork değerlerinin hesaplanması ve rezonans frekans analizinin yapılarak primer stabilitelerinin karşılaştırılması

    Calculation of insertion and extraction torques of dental implants with 5 MM and 8 MM sizes in D2 and D4 types of bones, conduction of resonance frequency analyses and comparison of their primary stability values

    OZAN NİZAM

    Doktora

    İngilizce

    İngilizce

    2019

    Diş HekimliğiYeditepe Üniversitesi

    Ağız Diş ve Çene Cerrahisi Ana Bilim Dalı

    PROF. DR. AHMET HAMDİ ARSLAN

  5. Statik rehberli yöntem ile dental implant yerleştirilen olgularda, cerrahi yöntemin başarı ve etkinliğinin retrospektif olarak değerlendirilmesi

    A retrospective evaluation of the success and effectiveness of the surgical method in cases where dental implants were placed with the static guided method

    AŞKIN DİLARA KAYNAK

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiAkdeniz Üniversitesi

    Ağız Diş ve Çene Cerrahisi Ana Bilim Dalı

    DOÇ. DR. MEHMET ALİ ALTAY