Maksiller 3.molar dişlerde panoramik radyografinin etkinliğinin konik ışınlı bilgisayarlı tomografiyle elde edilen bulgularla geliştirilmiş yapay zeka modeli üzerinde değerlendirilmesi
Evaluation of the efficiency of panoramic radiography in maxillary third molar teeth on artificial intelligence model developed by findings obtained by cone beam computed tomography
- Tez No: 867492
- Danışmanlar: PROF. DR. SAADETTİN DAĞİSTAN, PROF. DR. ÖZKAN MİLOĞLU
- Tez Türü: Doktora
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Derin öğrenme, konik ışınlı bilgisayarlı tomografi, panoramik radyografi, üçüncü molar, yapay zekâ, Artificial intelligence, cone beam computed tomography, deep learning, panoramic radiography, third molar
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 123
Özet
Amaç: Yapay zekâ (YZ), bilgisayarlı sistemlerin makine özelliklerinin yanısıra insana has olan yeteneklerden olan anlama, sergileme, bir anlam çıkarma, probleme çözüm sunma, genelleme ve tecrübeyle öğrenme gibi süreçlere ilişkin vazifeleri yerine getirme kabiliyeti olarak tanımlanmıştır. YZ' nin alt parçalarından biri olan derin öğrenme ile hastalık teşhisi ve tedavi planlaması, görüntü tanıma, nesne algılama ve ses işleme gibi işlemler yapılabilmektedir. Diş hekimliğinde maksiller üçüncü molar dişlerin pozisyonlarının belirlenmesi ve tedavi planlamasının yapılması olası komplikasyonları azaltmada önem taşır. Bu çalışmanın amacı panoramik radyograflar (PR) üzerinde YZ tekniklerinden biri olan derin öğrenme yöntemi uygulanarak, kullanılan algoritmaların maksiller üçüncü molar dişlerin pozisyon özelliklerini belirlemedeki başarılarını değerlendirmektir. Materyal ve Metot: Bu çalışmaya, panoramik radyografi görüntülerinden elde edilen toplam 1054 maksiller üçüncü molar diş dahil edildi. Maksiller üçüncü molar dişlerin pozisyon özelliklerinin belirlenmesinde kron ve/veya kökü ile maksiller sinüs arasındaki ilişkiye bakılarak veri seti oluşturuldu. Oluşturulan bu veri seti kendi içerisinde gruplandırıldı. Panoramik radyograflardan alınan görüntü alanı üzerinde VGG16, VGG19, ResNet50, ResNet101 ve GoogleNet mimarileri maksiller üçüncü molar dişlerin pozisyon özelliklerini sınıflandırdı. Derin öğrenme mimarilerinin sınıflandırma performansları konfüzyon matrisi kullanılarak değerlendirildi. Bulgular: İki sınıflı sınıflandırma performanslarına bakıldığında veri setinde modellerin performans metriklerine bağlı fusion doğruluk değerinin sağ maksiller üçüncü molar diş için %89.34 ve sol maksiller üçüncü molar diş için %91.24 olduğu belirlendi. Üç sınıflı sınıflandırmada ise bu değerin sırasıyla %68.72 ve 69.2 olduğu görüldü. Sağ maksiller üçüncü molar diş için iki sınıflı sınıflandırmada en yüksek doğruluk gösteren model VGG16 iken üç sınıflı sınıflandırmada ise VGG19 idi. Sol maksiller üçüncü molar diş için ise iki sınıflı sınıflandırmada en yüksek doğruluk gösteren model VGG16, üç sınıflı sınıflandırmada ise ResNet101 olduğu belirlendi. Sonuç: Bu çalışmanın sonucunda derin öğrenme mimarilerinin iki sınıflı sınıflandırmada genel olarak yüksek doğruluk gösterdiği ve maksiller üçüncü molar dişlerin pozisyon özelliklerini başarılı bir şekilde tespit edebileceği kanısına varıldı. Derin öğrenmenin bu başarısı ile değerlendirmeler objektif olarak yapılabilir ve rutin kullanımda diş hekimlerine zaman kazandırabilir.
Özet (Çeviri)
Aim: Artificial intelligence (AI) is defined as the ability of computerized systems to perform tasks related to processes such as understanding, exhibiting, making sense of, providing solutions to problems, generalizing and learning through experience, which are unique to humans as well as machine features. With deep learning, one of the sub-parts of artificial intelligence, operations such as disease diagnosis and treatment planning, image recognition, object detection and sound processing can be performed. In dentistry, determining the positions of maxillary third molars and planning treatment is important in reducing possible complications. The aim of this study is to evaluate the success of the algorithms used in determining the position characteristics of maxillary third molar teeth by applying the deep learning method, one of the artificial intelligence techniques, on panoramic radiographs. Material and Method: A total of 1054 upper third molar teeth obtained from panoramic radiography images were used in this study. In determining the position characteristics of the upper third molar teeth, the data set was created by analyzing the relationship between the crown and/or root and the maxillary sinus. This created data set is grouped within itself. Region of interest taken from panoramic radiographs, VGG16, VGG19, ResNet50, ResNet101 and GoogleNet architectures classified the positional characteristics of upper third molar teeth. The classification performances of deep learning architectures were evaluated using the confusion matrix. Results: When the two-class classification performances were examined, it was determined that the fusion accuracy value based on the performance metrics of the models in the data set was 89.34% for the right maxillary third molar tooth and 91.24% for the left maxillary third molar tooth. In the three-class classification, this value was found to be 68.72% and 69.2%, respectively. For the right maxillary third molar tooth, the model with the highest accuracy in the two-class classification was VGG16, while in the three-class classification it was VGG19. For the left maxillary third molar tooth, the model with the highest accuracy in the two-class classification was determined to be VGG16, and in the three-class classification it was determined to be ResNet101. Conclusion: As a result of this study, it was concluded that deep learning architectures generally showed high accuracy in two-class classification and that the position characteristics of maxillary third molar teeth could be successfully detected. With this success of deep learning, evaluations can be made objectively and can save dentists time in routine use.
Benzer Tezler
- Hybrid Retraction Spring'in maksiller dişler üzerine etkilerinin dijital fark radyografisi ile incelenmesi
Effects of Hybrid Retraction Spring on maxillary teeth using digital subtraction radiography
İREM SEYHAN UYARCAN
- Segmental kanin retraksiyonunda Prefabrike Springler ile Reverse Closing Loop'un karşılaştırılması
Comparison of prefabricated springs and reverse closing loop in segmental canine retraction
HATİCE KÖK
Doktora
Türkçe
2009
Diş HekimliğiSelçuk ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. YAŞAR BEDİİ GÖYENÇ
- Servikal headgear'in transvers yön etkilerinin araştırılması
Evaluation of transverse effects of cervical headgear.
BORA ARİFOĞLU
- 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
- Panaromik radyografilerde maksiller sinüs içerisinde görülen maksiller molar dişlerin köklerinin konik ışınlı bilgisayarlı tomografi (CBCT) ile karşılaştırılması ve maksiller posterior dişlerdeki periapikal patolojilerin maksiller sinüslerdeki mukozal kalınlaşmaya etkisi
Comparison of roots of maxillary molar teeth observed in the maxillary sinus on panoramic radiographs with cone beam computed tomography (CBCT) and effect of periapical pathologies in maxillary posterior teeth on mucosal thickening in maxillary sinuses
YUNUS YİĞİT SAKA
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiAlanya Alaaddin Keykubat ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANSU ÇİMEN