Geri Dön

Maksillofasial bölgede radyoopak ve radyolusent görüntü veren lezyonlarda yapay zeka modellerinin etkinliğinin panoramik radyografiler üzerinde değerlendirilmesi

The effectiveness of artificial intelligence models on radiopaque and radiolucent lesions in the maxillofacial region on panoramic radiography

PDF İndir

  1. Tez No: 890020
  2. Yazar: ZEYNEP TURANLI TOSUN
  3. Danışmanlar: PROF. DR. MUHAMMED AKİF SÜMBÜLLÜ
  4. Tez Türü: Doktora
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Maksillofasial bölge, panoramik radyografi, radyolusent lezyon, radyoopak lezyon, yapay zeka, Artificial intelligence, Maxillofacial region, panoramic radiography, radiolucent lesion, radiopaque lesion
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 157

Özet

Maksillofasial Bölgede Radyoopak ve Radyolusent Görüntü Veren Lezyonlarda Yapay Zeka Modellerinin Etkinliğinin Panoramik Radyografiler Üzerinde Değerlendirilmesi Amaç: Yapay zeka (YZ) temelde insan zekasını taklit eden ve veriler aracılığıyla nesneleri algılama, tanımlama, problem belirleme ve çözme gibi insan davranışlarını kopyalayan, insanlara özgü yetenekleri makinalar aracılığıyla yerine getiren sistemlerdir. Diş hekimliğinde yetersiz tecrübe, hatalı panoramik görüntüler, anatomik süperpozisyonlar ve yanlış tespit gibi nedenlerle gözden kaçırılabilecek lezyonların teşhisinde erken evrede yapay zekanın faydalı olabileceği düşünülmektedir. Geliştirilen YZ teknolojileri ile patolojik değişiklikler otomatik olarak saptanıp, sınıflandırılarak diş hekimlerine ve radyologlara dental radyografların incelenmesi ve yorumlanmasında ikinci bir görüş sağlanabilmektedir. Bu tez çalışmasının amacı, panoramik radyograflar üzerinde YZ tekniklerinden biri olan derin öğrenme yöntemi ile kullanılan algoritmaların maksillofasial bölgede radyoopak ve radyolusent görüntü veren lezyonların sınıflaması, tespiti ve segmentasyonundaki başarılarını değerlendirmektir. Materyal ve Metot: Bu tez çalışmasına, radyolojik muayene sonucunda maksillofasial bölgede radyoopak veya radyolusent görüntü içeren 12-80 yaş aralığındaki bireylere ait panoramik görüntüler dahil edildi. Maksillofasial bölgede lezyonların varlığı ve yokluğu, dansitelerine bakılarak da radyoopak ya da radyolusent görüntü özelliğine göre, veri setleri oluşturuldu. Panoramik radyografilerden elde edilen veri seti üzerinde AlexNet, VGG16 ve GoogleNet mimarileri ile lezyonlar sınıflandırıldı. YOLOv8 mimarisi kullanılarak da lezyonların tespiti ve segmentasyonu yapıldı. Derin öğrenme mimarilerinin sınıflandırma performansları konfüzyon matrisi kullanılarak, nesne tespiti ve segmentasyon performansları ise precision recall eğrisi kullanılarak değerlendirildi. Bulgular: Panoramik radyografinin bütünü üzerinde yapılan sınıflandırmada, derin öğrenme mimarilerine ait en iyi performanslara bakıldığında; iki sınıflı lezyon (var-yok) sınıflamasında en yüksek doğruluğu GoogleNet (%95.6), radyoopak-radyolusent lezyon sınıflamasında en yüksek doğruluğu VGG16 (%68.4), üç ve dört sınıflı lezyon sınıflandırmasında ise en yüksek doğrulukları GoogleNet (sırasıyla %61.1, %75.7) gösterdi. Panoramik radyografi üzerinden lezyonlu alanın kırpılarak bakıldığı diğer bir sınıflandırmada ise en yüksek doğruluğu GoogleNet ve VGG16 modelleri aynı başarı oranı (%96.5) ile sergilediler. Nesne tespitindeki en yüksek doğruluk, YOLOv8 l modelinde %75.4 başarı oranı ile elde edildi. Segmentasyon probleminde ise en yüksek başarıyı %72.1 oranı ile YOLOv 8 m sergiledi. Sonuç: Bu tez çalışmasının sonucunda lezyonların tespiti, sınıflandırılması ve segmentasyonunda derin öğrenme mimarilerinin genel olarak yüksek doğruluk gösterdiği ancak veri setindeki görüntü sayısı ve çeşitliliği artırılarak yapılacak çalışmalarda daha başarılı sonuçlar alınabileceği kanısına varıldı. Derin öğrenmenin bu başarısı ile erken evrede lezyonların teşhisi yapılabileceği öngörülmekte, rutin kullanımda hekimlere yardımcı olacağı ve zaman kazandırabileceği düşünülmektedir.

Özet (Çeviri)

The Effectiveness of Artificial Intelligence Models on Radiopaque and Radiolucent Lesions in the Maxillofacial Region on Panoramic Radiography Aim: Artificial intelligence (AI) is basically systems that imitate human intelligence and copy human behavior such as perceiving objects, identifying objects, identifying and solving problems through data, and performing human-specific abilities through machines. It is thought that artificial intelligence may be useful in the early stages in diagnosing lesions that may be overlooked due to reasons such as insufficient experience in dentistry, faulty panoramic images, anatomical superpositions and incorrect detection. With the developed AI technologies, pathological changes can be automatically detected and classified and a second opinion can be provided to dentists and radiologists in the examination and interpretation of dental radiographs. The aim of this thesis study is to evaluate the success of the algorithms used with the deep learning method, one of the AI techniques, on panoramic radiographs in the classification, detection and segmentation of radiopaque and radiolucent lesions in the maxillofacial region. Material and method: In this thesis study, panoramic images belonging to individuals between the ages of 12-80, which contain radiopaque or radiolucent images in the maxillofacial region as a result of radiological examination, were included. Data sets were created based on the presence and absence of lesions in the maxillofacial region, their density, and radiopaque or radiolucent image characteristics. Lesions were classified using AlexNet, VGG16 and GoogLeNet architectures on the dataset obtained from panoramic radiographs. Detection and segmentation of lesions were also performed using YOLOv8 architecture. The classification performance of the deep learning architectures was evaluated using the confusion matrix, and the object detection and segmentation performances were evaluated using the precision recall curve. Results: When looking at the best performances of deep learning architectures in the classification made on the whole panoramic radiography; GoogleNet has the highest accuracy in two-class lesion (present-absent) classification (95.6%), VGG16 has the highest accuracy in radiopaque-radiolucent lesion classification (68.4%), and GoogleNet has the highest accuracy in three- and four-class lesion classification (61.1%, 75.7%, respectively) showed. In another classification in which the lesioned area is viewed by cropping the panoramic radiography, GoogleNet and VGG16 models exhibited the highest accuracy with the same success rate (96.5%). The highest accuracy in object detection was achieved with a 75.4% success rate in the YOLOv8 l model. In the segmentation problem, YOLOv 8 m showed the highest success with a rate of 72.1%. Conclusion: As a result of this thesis study, it was concluded that deep learning architectures generally show high accuracy in the detection, classification and segmentation of lesions, but more successful results can be obtained in studies by increasing the number and diversity of images in the data set. With this success of deep learning, it is predicted that lesions can be diagnosed at an early stage, and it is thought that it will help physicians in routine use and save time.

Benzer Tezler

  1. Tez No

    847363

    Maksillofasiyal bölgedeki yabancı cisimlerin saptanmasında, konik ışınlı bilgisayarlı tomografi ve ultrasonografinin tanısal doğruluğunun karşılaştırılması: in vitro bir çalışma

    Comparison of the diagnostic accuracy of cone beam computerized tomography and ultrasonography for detection of foreign bodi̇es in the maxillofacial region: in vitro study

    KÜBRA TAKA

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiGazi Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    PROF. DR. İLKAY PEKER

  2. Tez No

    822977

    Evaluation of prevalence and length of the anterior loop of mental nerve using cone beam computed tomography

    Nervous mentalisin ön halkasının prevalansı ve uzunluğunun değerlendirilmesi: Koni ışınlı bilgisayarlı tomografi çalışması.

    THEKRA SARDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    AnatomiBaşkent Üniversitesi

    Anatomi Ana Bilim Dalı

    PROF. DR. İSMAİL CAN PELİN

  3. Tez No

    740201

    Sıçanlarda siyatik sinirin ezilme yaralanması sonrası yüksek yoğunluklu lazer biyostimülasyon tedavisinin rejeneratif etkilerinin değerlendirilmesi

    Evaluation of regenerative effects of high-i̇ntensity laser biostimulation therapy following crush injury of the sciatic nerve in rats

    KEMAL ATAKAN BAYBURT

    Doktora

    Türkçe

    Türkçe

    2022

    Diş HekimliğiBezm-i Alem Vakıf Üniversitesi

    Ağız Diş ve Çene Cerrahisi Ana Bilim Dalı

    PROF. DR. DOĞAN DOLANMAZ

  4. Tez No

    460364

    Mandibular korpus kırıklarının cerrahi tedavisinde uygulanan çeşitli fiksasyon metodlarının stabilizasyon üzerine etkilerinin in vitro olarak karşılaştırılması

    In vitro comparison of effects on stabilization of various fixation methods used in surgical treatment of mandibular corpus fractures

    MEHMET ZAHİT BAŞ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2017

    Diş HekimliğiAtatürk Üniversitesi

    Ağız Diş ve Çene Cerrahisi Ana Bilim Dalı

    YRD. DOÇ. DR. ERTAN YALÇIN

  5. Tez No

    609892

    Tavşanlarda sistemik olarak verilen oksitosinin, distraksiyon işleminin hızına ve yeni kemik oluşumuna etkisinin incelenmesi

    Effect of systemic oxytocin administration on new bone formation and distraction rate in rabbit mandible

    BERKAN ALTAY

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2019

    Diş HekimliğiKırıkkale Üniversitesi

    Ağız Diş ve Çene Cerrahisi Ana Bilim Dalı

    PROF. DR. MUSTAFA ERCÜMENT ÖNDER

Geri Dön