Geri Dön

Ortodontik tedavide çekim kararı için makine öğrenmesi algoritmalarının uygulanması ve değerlendirilmesi

Application and evaluation of machine learning algorithms for extraction decision in orthodontic treatment

  1. Tez No: 876925
  2. Yazar: BEGÜM KÖKTÜRK
  3. Danışmanlar: DOÇ. DR. HANDE PAMUKÇU
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Diş Hekimliği, Computer Engineering and Computer Science and Control, Dentistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Başkent Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
  12. Bilim Dalı: Ortodonti Bilim Dalı
  13. Sayfa Sayısı: 90

Özet

Çekim kararı tedavi sürecini ve sonucunu önemli ölçüde etkiler. Bu nedenle, çekim kararını daha objektif ve standardize edilmiş bir yöntemle almak son derece önemlidir. Bu çalışmanın amaçları; (1) yedi makine öğrenmesi modeli arasında en iyi performans gösteren modeli belirlemek ve deneyimsiz klinisyenler için bir rehber oluşturmak, (2) çekim kararı için önemli değişkenleri belirlemek ve (3) daha iyi bir doğrulama stratejisi geliştirerek aşırı öğrenmenin önüne geçerek model sonuçlarının genelleştirilmesini sağlamak. Bu çalışma, çekimli veya çekimsiz ortodontik tedavi alan bin hastayı (500 çekimli ve 500 çekimsiz) içermektedir. Bu çalışmanın başarı kriteri, makine öğrenmesi modellerinin kararlarının deneyimli ortodontistlerin kararlarıyla tutarlı olmasıdır. Yedi makine öğrenmesi modeli (yapısal bağıntı, destek vektör makineleri, karar ağaçları ormanı, gradyan artırmalı ağaçlar, çok katmanlı algılayıcı, oylama sınıflandırıcısı ve yığılma sınıflandırıcısı); demografik bilgiler, sefalometrik ve model ölçümleri de dahil olmak üzere 36 değişken kullanılarak eğitilmiştir. İlk olarak çekim kararı alınmış ardından çekim tipi belirlenmiştir. Makine öğrenmesi modellerinin başarısını ölçmek için doğruluk ve karar değerlendirme grafiği eğrisi altında kalan alan (AUC) kullanılmıştır. Gradyan artırmalı ağaçlar, destek vektör makinesi ve karar ağaçları ormanı modellerinden oluşan yığılma sınıflandırıcısı çekim kararında %91,2 AUC ile en yüksek performansı göstermiştir. Çekim kararını belirleyen en önemli değişkenler maksiller ve mandibuler ark boyu sapması, Wits değeri ve ANS-Me uzunluğudur. Benzer şekilde yığılma sınıflandırıcısı, çekim tipi kararında %76,3 doğrulukla en yüksek performansı göstermiştir. Çekim tipi kararı için en önemli değişkenler mandibular ark boyu sapması, Sınıf I molar ilişki, sefalometrik overbite, Wits değeri ve L1-NB mesafesidir. Yığılma sınıflandırıcısı, çekim kararı için en iyi performansı sergilemiştir. Makine öğrenmesi modelleri çekim kararında yüksek bir performans gösterirken çekim tipi kararında aynı düzeyde performansı elde edilememiştir.

Özet (Çeviri)

The extraction decision significantly affects the treatment process and outcome. Therefore, it is crucial to make this decision with a more objective and standardized method. The objectives of this study were (1) to identify the best-performing model among seven machine learning models, which will serve as a guide for inexperienced clinicians, (2) to determine the important variables for the extraction decision, and (3) to prevent overfitting by developing a better validation strategy, thus ensuring the models' generalizability. This study included one thousand patients who received orthodontic treatment with or without extraction (500 extraction and 500 non-extraction). The success criteria of this study were that the decisions of the ML models were consistent with the decisions of experienced orthodontists. Seven ML models (Logistic Regression, Support Vector Machines, Random Forests, Gradient Boosted Trees, Multi-layer Perceptron, Voting Classifier, and Stacking Classifier) were trained using 36 variables; including demographic information, cephalometric and model measurements. First, the extraction decision was performed, and then the extraction type was identified. Accuracy and area under the curve (AUC) of the receiver operating characteristics (ROC) curve were used to measure the success of ML models. The Stacking Classifier model, which consists of Gradient Boosted Trees, Support Vector Machine, and Random Forest models, showed the highest performance in extraction decision with 91,2% AUC. The most important features determining extraction decision were maxillary and mandibular arch length discrepancy, Wits Appraisal, and ANS-Me length. Likewise, the Stacking Classifier showed the highest performance with 76,3% accuracy in extraction type decisions. The most important variables for the extraction type decision were mandibular arch length discrepancy, Class I molar relationship, cephalometric overbite, Wits Appraisal, and L1-NB distance. The Stacking Classifier model exhibited the best performance for the extraction decision. While ML models showed a high performance in extraction decision, they could not able to achieve the same level of performance in extraction type decision.

Benzer Tezler

  1. Çekim kararı ve tedavi süresinin ortodontik tedaviye bağlı oluşan kök rezorpsiyonu üzerine etkisinin değerlendirilmesi

    Evaluation of the effect of extraction decision and duration of treatment on orthodontically induced root resorption

    SEMİ ÇALIŞ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiOrdu Üniversitesi

    Ortodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YASİN ATAKAN BENKLİ

  2. Lingual ve labial ortodontik tedavide çekim boşluklarının kapatılması sırasında oluşan diş hareketlerinin FEM analizi ile incelenmesi

    Evaluation of tooth movement during extraction space closing with lingual and labial orthodontic treatment using FEM analysis

    TOPTAN KÖNE İLKAY

    Doktora

    Türkçe

    Türkçe

    2009

    Diş Hekimliğiİstanbul Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. YILDIZ ÖZTÜRK ORTAN

  3. Sabit ortodontik tedavide kanin retraksiyonu safhasında kanin dişe uygulanan kortikotominin diş hareketi üzerine etkisinin incelenmesi

    Evaluating the effect of corticotomy in tooth movement applied to canine during canine retraction phase of fixed orthodontic treatment

    F. DENİZ ESEN (UZUNER)

    Doktora

    Türkçe

    Türkçe

    2000

    Diş HekimliğiGazi Üniversitesi

    Ortodonti Ana Bilim Dalı

    DOÇ.DR. EMEL EROĞLU

  4. Alternatif irrigasyon solüsyonlarının smear tabakasının kaldırılmasındaki etkinliğinin taramalı elektron mikroskobu ile değerlendirilmesi

    Evaluation of effectiveness on the removal of smear layer of alternative irrigation solutions with scanning electrone microscope

    ŞENAY KAYA

    Doktora

    Türkçe

    Türkçe

    2015

    Diş HekimliğiOndokuz Mayıs Üniversitesi

    Endodonti Ana Bilim Dalı

    DOÇ. DR. UMUT TUNGA

  5. Ortodontik tedavide görülen kök rezorpsiyonlarına genetik faktörlerin etkisinin incelenmesi

    Investigation of the effect of genetic factors on root resorption i̇n orthodontic treatment

    DUYGU ÖZTÜRK

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2022

    Diş HekimliğiDicle Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. SEHER GÜNDÜZ ARSLAN