Ortodontik fotoğraflar üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla gülümseme estetiğinin değerlendirilmesi
Evaluation of smile aesthetics with artificial intelligence algorithms developed with deep learning method over orthodontic photographs
- Tez No: 808041
- Danışmanlar: DOÇ. DR. MEHMET UĞURLU
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Algoritmalar, Dental estetik, Derin öğrenme, Estetik, Fotoğraf, Gülümseme, Ortodonti, Yapay zeka, Algorithms, Dental aesthetics, Deep learning, Aesthetics, Photograph, Smiling, Orthodontics, Artificial intelligence
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, cephe yüz gülümseme görüntüleri üzerinde özel bir yapay zeka algoritması kullanılarak yapılan anatomik nokta tespitinin başarısını araştırmaktır. Materyal ve Metot: Çalışmamızın veri setini 1000 hastanın ortodontik tedavi öncesi alınan cephe yüz gülümseme görüntülerinden elde edilen kayıtlar üzerinde özel bir yapay zeka algoritması kullanılarak işaretlenen anatomik noktalar oluşturmaktır. Görüntüler üzerinde noktaların etiketlenmesi CranioCatch etiketleme yazılımı (CranioCatch, Eskişehir, Türkiye) kullanılarak yapılmıştır. Yapay zeka modelinin eğitimi, PyTorch uygulanan CNN tabanlı derin öğrenme yöntemi ile 300 Epoch kullanılarak gerçekleştirilmiştir. Bulgular: Çalışmada eğitilen yapay zeka modelinde en yüksek SDR değeri Labiale superius noktasında bulunmuştur. En düşük SDR değeri Menton, Nasion ve Pogonion noktalarında gözlemlenmiştir. SDR değeri 2 mm' lik aralıkta 6 nokta haricinde %80 üzerinde başarı oranı göstermiştir. Sonuç: Çalışmamız ilerleyen zamanlarda yapılacak olan derin öğrenme tabanlı gülümseme analiz sistemlerinin gelişimi açısından çok önemlidir. Bu sistemlerin klinik rutininde hekimlere zaman kazandırarak bir karar destek mekanizması rolü göreceği düşünülmektedir. Aynı zamanda anatomik noktaların tespiti sırasında, gözlemciler arası farkların ve gözlemcilerin farklı zamanlardaki değerlendirmelerinde oluşabilecek tutarsızlıkların en aza indirilmesi konusunda çok yardımcı olacağı tahmin edilmektedir.
Özet (Çeviri)
Aim: The aim of this study is to investigate the success of anatomical point detection using a special artificial intelligence algorithm on facial smile images. Material and Method: The dataset of our study is to create anatomical points marked using a special artificial intelligence algorithm on the records obtained from the facial smile images taken before orthodontic treatment of 1000 patients. Labeling of points on the images was done using CranioCatch labeling software (CranioCatch, Eskişehir, Turkey). The training of the artificial intelligence model was carried out using 300 Epochs with the CNN-based deep learning method applied to PyTorch. Results: In the artificial intelligence model trained in the study, the highest SDR value was found at the Labiale superius point. The lowest SDR value was observed at Menton, Nasion and Pogonion points. The SDR value showed a success rate of over 80%, except for 6 points in the 2 mm interval. Conclusion: Our study is very important for the development of deep learning-based smile analysis 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 during the determination of anatomical points, it will be very helpful in minimizing the differences between observers and inconsistencies that may occur in the evaluations of the observers at different times.
Benzer Tezler
- Ortodontik fotoğraflar üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla mandibular asimetrinin değerlendirilmesi
Evaluation of mandibular asymmetry using artificial intelligence algorithms developed with deep learning on orthodontic photographs
RABİA TÜRK KARTAL
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MERVE GONCA
- Ağız içi ortodontik fotoğraflar üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla dental maloklüzyonların angle sınıflamasına göre tespiti
Detection of dental malocclusions according to angle classification using artificial intelligence algorithms developed with deep learning on intraoral orthodontic photographs
İBRAHİM TAYLAN ÇELİK
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MERVE GONCA
- Ortodontik cephe fotoğrafları üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla üst dental orta hat sapmasının değerlendirilmesi
Evaluation of maxillary dental midline deviation using deep learning–based artificial intelligence algorithms on orthodontic frontal photographs
SERCAN TAŞKIN
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiAydın Adnan Menderes ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. MİNE GEÇGELEN CESUR
- Sefalometrik ölçümlere göre eğitilen derin öğrenme algoritmalarının ortodontik ağız içi yan fotoğrafları sınıflandırma performansının değerlendirilmesi
Evaluation of the performance of classification of orthodontic intra-oral buccal photos of deep learning algorithms trained according to cephalometric measurements
SULTAN BÜŞRA AY KARTBAK
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKocaeli ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİROL ÖZEL
- Sefalometrik ölçümlere göre eğitilen derin öğrenme algoritmalarının ortodontik profil fotoğraflarını sınıflandırma performansının değerlendirilmesi
Orthodontic analysis of deep learning algorithms trained according to cephalometric measurements evaluation of profile photos classification performance
DUYGU NUR CESUR KOCAKAYA
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKocaeli ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİROL ÖZEL