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
- Tez No: 816625
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET BİROL ÖZEL
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: derin öğrenme, yapay zeka, ağız içi fotoğraf, sefalometri, deep learning, artificial intelligence, intraoral photography, cephalometry
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 174
Özet
Amaç: Ekstraoral profil fotoğrafları, ortodontik tanı ve tedavi planlamasının önemli parçalarından biridir. Bu çalışmada sefalometrik ölçümler üzerinden yapılan sınıflandırmalar kullanılarak gruplara ayrılmış hasta fotoğraflarıyla eğitilen derin öğrenme yazılımının sadece fotoğraflar üzerinden yaptığı sınıflamaların gerçek sefalometrik sınıflandırmalara karşılaştırılması amaçlanmaktadır. Gereç ve Yöntem: Çalışmamızda Kocaeli Üniversitesi Diş Hekimliği Fakültesi Ortodonti Anabilim Dalı arşivinden 990 hastanın sefalometrik filmi ve aynı hastaların ağız içi sağ yan fotoğrafları olarak kullanılmıştır. Hasta röntgenleri üzerinde Webceph uygulaması ile sefalometrik analizler uygulanarak, vakalar FH-NA, FH-NPog, FMA ve N-A-Pog değerlerine göre 3'er grup olacak şekilde sınıflandırılmıştır. Sefalometrik verilere göre oluşturulan gruplara göre hasta fotoğrafları gruplandırılmıştır. 14 farklı derin öğrenme mimarisi hasta fotoğraflarını sınıflandırma performansını değerlendirmek için test edilmiştir. Bulgular: FH-NA grupları için 96.67, FH-NPog grupları için 97.33, FMA grubu için 97.67, N-A-Pog (konveksite) grupları için 97.00'a varan doğruluk oranları elde edilmiştir. Sonuç: Çalışmamız klinik fotoğrafların sefalometrik analizlere göre sınıflandırılarak yapay zeka yöntemiyle değerlendirildiği ilk çalışmalardan olacaktır. Gelecekteki uygulamalarda sefalometrik röntgenlere ihtiyaç duyulmadan yüz ve ağız içi fotoğraflarının otomatik analizlerinin teşhis adımları arasında klinik ortodontide kullanım alanı bulacağı düşünülmektedir.
Özet (Çeviri)
Objective: Extraoral profile photographs are one of the important parts of orthodontic diagnosis and treatment planning. In this study, it is aimed to compare the classifications made by the deep learning software, which is trained with grouped patient photographs using classifications made on cephalometric measurements, to real cephalometric classifications. Materials and Methods: In our study, cephalometric films of 990 patients from the archive of Kocaeli University Faculty of Dentistry Department of Orthodontics and intraoral right lateral photographs of the same patients were used. By applying cephalometric analyzes with Webceph application on patient x-rays, the cases were classified into 3 groups according to FH-NA, FH-NPog, FMA and N-A-Pog values. The patient photographs were grouped according to the groups formed according to the cephalometric data. 14 different deep learning architectures were tested to evaluate the performance of classifying patient images. Results: Accuracy rates of up to 96.67 for FH-NA groups, 97.33 for FH-NPog groups, 97.67 for FMA group, and 97.00 for N-A-Pog (convexity) groups were obtained. Conclusion: Our study will be one of the first studies in which clinical photographs are classified according to cephalometric analysis and evaluated by artificial intelligence method. It is thought that automatic analysis of facial and intraoral photographs without the need for cephalometric x-rays in future applications will find use in clinical orthodontics among the diagnostic steps.
Benzer Tezler
- 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
- Distraksiyon osteogenezi yöntemi ile uygulanan hızlı kanin distalizasyonu tekniğinin dentofasiyal yapılar üzerindeki etkilerinin incelenmesi
Effects of rapid canine retraction on dentofacial structures by using distraction osteogenesis
GÖKMEN KURT
- Reliability of measurements done on hand-tracings of cephalometric radiographs, compared to measurements done by two different computerized analysis software
Sefalometrik röntgenlerin el ile çizilerek elde edilen ölçümlerinin, iki farklı bilgisayar analiz programı ile elde edilen ölçümlere göre güvenilirliği
FAWZI HILMI SALAMEH
- Farklı zamanlarda alınan lateral sefalometri radyografilerinin yapay zeka yazılımları ile çakıştırılmasının doğruluğunun değerlendirilmesi
Compatibility of the superimpositions of cephalometric radiographs made by artificial intelligence software
İBRAHİM BARIŞ PARLAK
Doktora
Türkçe
2022
Diş HekimliğiAltınbaş ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. SEDEN AKAN BAYHAN
- İskeletsel burun profil morfolojisinin maloklüzyon ile ilişkisinin lateral sefalometrik film üzerinden retrospektif olarak incelenmesi
Retrospective investigation of the relationship between skeletal nose profile morphology and malocclusion on lateral cephalometric film
YUNUS OCAK
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiZonguldak Bülent Ecevit ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ORHAN ÇİÇEK
