Bitewing radyografilerde interproksimal, okluzal ve sekonder çürüklerin yapay zekâ ile otomatik tespiti: klinik kullanım için arayüz tasarımı
Automatic detection of interproximal, occlusal and secondary caries in bi̇tewing radiographies with artificial intelligence: İnterface design for clinical use
- Tez No: 844085
- Danışmanlar: DOÇ. DR. MELEK TAŞSÖKER
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
Diş çürüklerinin erken tespiti, invaziv tedaviyi önleyebilir ve böylece sağlık bakım maliyetlerinden tasarruf sağlayabilir; ancak interproksimal çürüklerin yalnızca klinik muayene ile tespit edilmesi zordur ve bitewing radyografisi demineralize interproksimal çürüklerin teşhisinde altın standarttır. YOLO algoritması, evrişimli sinir ağı (CNN) tabanlı bir derin öğrenme modelidir ve YOLOv8, nesne algılama, görüntü sınıflandırma ve örnek segmentasyon görevleri için kullanılabilecek en yeni YOLO modelidir. Bu çalışmada, bitewing radyograflarda sekonder, okluzal ve interproksimal (d1-d2-d3) çürüklerin tespitinde YOLOv8 algoritmasının başarısının belirlenmesi amaçlandı. Bu çalışmada fakülte veri tabanından 860 adet bitewing radyograf toplandı. Augmentasyon yöntemleriyle bitewing görüntü sayısı 3440'a çıkarıldı. Oral radyologlar, bitewing radyograflardaki çürük lezyonlarını d1, d2, d3, sekonder ve okluzal olarak etiketlediler. Veriler rastgele olarak %80 eğitim, %10 doğrulama ve %10 test olarak bölündü. Diş çürüklerine ilişkin ağırlık dosyası, YOLOv8 algoritmasının transfer öğrenme yöntemiyle eğitilmesiyle elde edildi. Elde edilen ağırlıklar kullanılarak test radyograflarında algoritmanın daha önce görmediği diş çürükleri otomatik olarak tespit edildi. Test sonuçları iki oral radyolog tarafından değerlendirildi ve performans kriterleri hesaplandı. Test görüntülerinde sekonder, okluzal ve interproksimal çürükler için ortalama kesinlik, ortalama duyarlılık ve ortalama F1 skoru değerleri sırasıyla 0,977, 0,932 ve 0,954 olarak elde edildi. Bitewing radyograflarla eğitilen YOLOv8 algoritması, yüksek başarı oranlarıyla farklı diş çürüğü lezyonlarını tespit etti.
Özet (Çeviri)
Early detection of dental caries can prevent invasive treatment and thus save healthcare costs; however, interproximal caries are difficult to detect by clinical examination alone, and bitewing radiography is the gold standard for diagnosing demineralized interproximal caries. YOLO algorithm is a convolutional neural network (CNN) based deep learning model, and YOLOv8 is the latest YOLO model that can be used for object detection, image classification, and instance segmentation tasks. This study aimed to determine the success of the YOLOv8 algorithm in detecting secondary, occlusal and interproximal (d1-d2-d3) caries on bitewing radiographs. In this study, 860 bitewing radiographs were collected from the faculty database. The number of bitewing images was increased to 3440 with augmentation methods. Oral radiologists labeled caries lesions on bitewing radiographs as d1, d2, d3, secondary, and occlusal. The data was randomly split into 80% training, 10% validation, and 10% testing. The weight file for dental caries was obtained by training the YOLOv8 algorithm with the transfer learning method. Using the obtained weights, tooth decay that the algorithm had not seen before was automatically detected in the test radiographs. Test results were evaluated by two oral radiologists and performance criteria were calculated. In the test images, the average precision, average sensitivity and average F1 score values for secondary, occlusal and interproximal caries were obtained as 0.977, 0.932 and 0.954, respectively. Trained on bitewing radiographs, the YOLOv8 algorithm detected different types of dental caries lesions with high success rates.
Benzer Tezler
- Süt dişi arayüz çürüklerinde farklı çürük teşhis metodlarının karşılaştırlması
Comparising of different types caries detection methods on interproximal caries of decidious teeth
DEFNE YALÇIN YELER
Doktora
Türkçe
2004
Diş HekimliğiCumhuriyet ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
Y.DOÇ.DR. FERİDUN HÜRMÜZLÜ
- Bitewing radyografilerde dental çürük türlerinin yapay zeka modelleriyle tespiti
Detection of dental caries types in bitewing radiographs with artificial intelligence models
SERKAN BAHRİLLİ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ ALTINDAĞ
- Periodontal defektlerin tespitinde konik ışınlı bilgisayarlı tomografi ile bitewing radyografilerin karşılaştırılması ve farklı voksel çözünürlüklerinin oluşturduğu etkinin değerlendirilmesi: İn vitro çalışma
Comparison of bitewing radiographyand cone-beam computed tomography for the detection of periodontal defectsand comparison of different voxel resolutions for the assessment of periodontal defects:An in vitro study
HAYRİYE ÇETMİLİ
Diş Hekimliği Uzmanlık
Türkçe
2017
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. SEVGİ ÖZCAN ŞENER
- Dijital bitewing radyografilerde derin öğrenme yöntemi ile dişlerin numaralandırılması ve çürük tespitinin değerlendirilmesi
Evaluation of teeth numbering and caries detection with deep learning method in digital bitewing radiographs
BATURALP AYHAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKırıkkale ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. YUSUF BAYRAKTAR
- Derin öğrenme kullanılarak bite-wing radyografilerde pulpal kalsifikasyonların tespiti
Detection of pulpal calcifications in bite-wing images using deep learning
FATMA YÜCE
Diş Hekimliği Uzmanlık
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. MELEK TAŞSÖKER