Geri Dön

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

  1. Tez No: 808040
  2. Yazar: İREM BALCI İNCEBEYAZ
  3. Danışmanlar: DOÇ. DR. MEHMET UĞURLU
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 135

Özet

Amaç: Bu çalışmanın amacı, konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik görüntüler üzerinde özel bir yapay zeka algoritması kullanılarak servikal vertebra maturasyonu değerlendirilmesinde hekimin başarısını arttırmaktır. Materyal ve Metot: Çalışmamızın veri setini 1077 hastanın ortodontik tedavi öncesi alınan konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik radyograflar üzerinde özel bir yapay zeka algoritması kullanılarak poligonal çizim yöntemiyle vertebraların çizilmesi ve sınıflandırılması oluşturmaktadır. Görüntüler üzerinde etiketlemeler CranioCatch etiketleme yazılımı (CranioCatch, Eskişehir, Türkiye) kullanılarak yapılmıştır. Yapay zeka modelinin eğitimi, PyTorch uygulanan CNN tabanlı derin öğrenme yöntemi ile 400 Epoch kullanılarak gerçekleştirilmiştir. Modelin öğrenme oranı 0.01 olarak belirlenmiştir. Bulgular: Çalışmada eğitilen yapay zeka modelinde en yüksek F1 skoru 0.9984 ile servikal vertebraların tespitinde bulunmuştur. Sınıflar içerisindeki veri dengesizliği göz önüne alındığında vertebra maturasyonu ile büyüme gelişim sınıflaması F1 skorunun 0.6946 bulunması, ROC eğrisi ve AUC değerinin 1'e yakın oluşu yapay zeka algoritmaları ile bireyin büyüme-gelişim tespiti hususunda umut vadetmektedir. En düşük F1 değeri vertebraların kendi içlerindeki maturasyon sınıflamalarında gözlemlenmiştir. Sonuç: Çalışmamız ilerleyen zamanlarda yapılacak olan derin öğrenme tabanlı KIBT raporlama sistemlerinin geliş imi aç ısından ç ok ö nemlidir. Bu sistemlerin klinik rutininde hekimlere zaman kazandırarak bir karar destek mekanizması rolü göreceği düşünülmektedir. Aynı zamanda büyüme-gelişimin değerlendirilmesinde gözlemciler arasındaki farklılıkların ve gözlemcilerin farklı zamanlarda yaptığı değerlendirmelerde oluşabilecek tutarsızlıkların en aza indirilmesinde oldukça faydalı olacağı tahmin edilmektedir.

Özet (Çeviri)

Aim: The aim of this study is to increase the success of the physician in the evaluation of cervical vertebra maturation by using a special artificial intelligence algorithm on lateral cephalometric images obtained from cone beam computed tomography images. Material and Method: The data set of our study consists of drawing and classifying vertebrae with polygonal drawing method using a special artificial intelligence algorithm on lateral cephalometric radiographs obtained from cone beam computed tomography images taken before orthodontic treatment of 1077 patients. Labeling on images was done using CranioCatch labeling software (CranioCatch, Eskişehir, Turkey). The training of the artificial intelligence model was carried out using 400 Epochs with the CNN-based deep learning method applied to PyTorch. The learning rate of the model was determined as 0.01. Results: In the artificial intelligence model trained in the study, the highest F1 score of 0.9984 was found in the detection of cervical vertebrae. Considering the data imbalance within the classes, the fact that the vertebral maturation and the growth development classification F1 score is 0.6946, the ROC curve and the AUC value close to 1 are promising for the growth-development detection of the individual with artificial intelligence algorithms. The lowest F1 value was observed in the maturation classifications of the vertebrae themselves. Conclusion: Our study is very important for the development of deep learning- based CBCT reporting systems to be made in the future. It is thought that these systems will play a role as a decision support mechanism by saving time for physicians in their clinical routine. At the same time, it is estimated that it will be very useful in minimizing the differences between observers in the evaluation of growth-development and the inconsistencies that may occur in the evaluations made by the observers at different times.

Benzer Tezler

  1. 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

    Türkçe

    2023

    Diş HekimliğiEskişehir Osmangazi Üniversitesi

    Ortodonti Ana Bilim Dalı

    DOÇ. DR. MEHMET UĞURLU

  2. Konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik görüntüler üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla sefalometrik noktaların tespiti

    Determination of cephalometric points with artificial intelligence algorithms developed by deep learning on lateral cephalometric images obtained from conic-beam computer tomography images

    SEDA SALİHA KAYRAK

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiEskişehir Osmangazi Üniversitesi

    Ortodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET UĞURLU

  3. Ardışık hızlı genişletme-daraltma protokolü ile tedavi edilen maksiller sınıf III maloklüzyonda iskeletsel değişikliklerin konik ışınlı bilgisayarlı tomografi ile incelenmesi

    Changes of skeletal structures in class III malocclusion associated with maxillary retrusion treated by alt-ramec protocol by using cbct

    GİZEM GÜL TANIŞ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2018

    Diş HekimliğiAnkara Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. HATİCE GÖKALP

  4. Türk toplumunda üç boyutlu sefalometrik normların oluşturulması

    Creation of three dimensional sephalometric norms in Turkish society

    ÖZÜM DAŞDEMİR ÖZKAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2017

    Diş HekimliğiKırıkkale Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. FERABİ ERHAN ÖZDİLER

  5. Tam kafa ve sınırlı alan ışınlanarak birleştirilen konik ışınlı bilgisayarlı tomografi görüntülerinde yapılan lineer ölçümlerin doğruluğunun araştırılması

    Comparison of the accuracy of full head cone beam ct images obtained using A large field of view and stitched images

    MEHMET ÖZGÜR ÖZEMRE

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2017

    Diş HekimliğiBaşkent Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    PROF. DR. AYŞE GÜLŞAHI