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
- Tez No: 808042
- Danışmanlar: DOÇ. DR. MEHMET UĞURLU
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Derin öğrenme, faringeal havayolu tespiti, KIBT, yapay zeka, Artificial Intelligence, CBCT, Deep learning, detection, the pharyngeal airway
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Amaç: Bu çalışmanın amacı, konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik görüntüler üzerinde özel bir yapay zeka algoritması kullanılarak faringeal havayolunun tespitinin başarısını araştırmaktır. Materyal ve Metot: Çalışmamızın veri setini 1040 hastanın ortodontik tedavi öncesi alınan konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik radyograflar üzerinde özel bir yapay zeka algoritması kullanılarak segmentasyon yöntemi serbest çizim tekniği ile uygulanmış ve faringeal havayolu belirlenmiştir. Görüntüler üzerinde havayolunun etiketlenmesi CranioCatch yazılımı (CranioCatch, Eskişehir, Türkiye) kullanılarak yapılmıştır. Bulgular: Yapay zeka modeli Yolov5 Segmentation Yolov5x modeli ile 500 epoch şeklinde eğitilmiştir. Çalışmada eğitilen yapay zeka modelinde Duyarlılık, kesinlik ve F1 skorları sırasıyla 1, 0.9903846154, 0.9951690821 şeklindedir. Modelin öğrenme oranı 0,01 olarak bulunmuştur. Sonuç: Çalışmamızda bulunamayan etiket olmamıştır ve model genel olarak başarılı olmuştur. Çalışmamız ilerleyen zamanlarda yapılacak olan derin öğrenme tabanlı KIBT raporlama sistemlerinin gelişimi açısından çok önemlidir. Bu sistemlerin klinik rutininde hekimlere zaman kazandırarak bir karar destek mekanizması rolü göreceği düşünülmektedir. Aynı zamanda faringeal havayolunun tespiti sırasında, gözlemciler arası farkların ve gözlemcilerin farklı zamanlardaki değerlendirmelerinde oluşabilecek tutarsızlıkların minumuma indirilmesi konusunda çok yardımcı olacağı tahmin edilmektedir.
Özet (Çeviri)
Aim: The aim of this study is to investigate the success of pharyngeal airway detection 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 was performed on the lateral cephalometric radiographs obtained from cone beam computed tomography images of 1040 patients before orthodontic treatment using a special artificial intelligence algorithm and the segmentation method was applied with yhe free drawing tchnique and the pharyngeal airway was determined. Airway labeling on images was done using CranipCatch software (Craniocatch, Eskişehir, Turkey). Results: The artificial intelligence model was trained with the Yolov5 Segmentation Yolov5x model as 500 epochs. Sensitivity, precision and F1 scores in the artifical intelligence model trained in the study were 1, 0.9903846154 and 0.9951690821 respectively. The learning rate of the model was found to be 0.01. Conclusion: There were no missing tags in our study, and the model was generally successful. 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 during the determination of the pharyngeal airway, it will be very helpful in minimizing the differences between observers and the inconsistencies that may occur in the evaluations of the observers at different times.
Benzer Tezler
- 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
İREM BALCI İNCEBEYAZ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU
- 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
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET UĞURLU
- Konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen posteroanterior sefalometrik (Frontal) görüntüler üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla sefalometrik noktaların tespiti
Detection of cephalometric points with artificial intelligence algorithms improved by deep learning method on posteroanterior cephalometric (Frontal) images obtained from cone-beam computed tomography images
GİZEM GÖZDE ÖZŞAHİN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET UĞURLU
- Konik ışınlı bilgisayarlı tomografi görüntülerinin yapay zekâ ile değerlendirilmesi
Evaluation of cone-beam computed tomography images with artificial intelligence
TUĞBA ARI
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiEskişehir Osmangazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR
- Derin öğrenme yöntemine dayalı yapay zeka algoritmalarıyla konik ışınlı bilgisayarlı tomografi görüntülerinde dişlerin tespit edilmesi ve numaralandırılması
Detection and numbering of teeth in CONE-BEAM computed tomography images with artificial intelligence algorithms based on deep learning method
HANDE SAĞLAM
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiEskişehir Osmangazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR