Üst birinci molar dişlerin mesiobukkal köklerindeki ilave kanal varlığının yapay zeka ile değerlendirilmesi
Evaluation of the presence of additional canal in mesiobuccal roots of upper first molar teeth with artificial intelligence
- Tez No: 898997
- Danışmanlar: PROF. DR. NEVİN KARTAL
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Endodonti Ana Bilim Dalı
- Bilim Dalı: Endodonti Bilim Dalı
- Sayfa Sayısı: 123
Özet
Amaç: Endodontik tedavinin başarılı bir şekilde gerçekleştirilebilmesi için tedavi öncesinde kök kanal morfolojisinin doğru bir şekilde belirlenmesi gerekmektedir. Tespit edilemeyen kök kanallarının varlığı mikroorganizmaların çoğalmasını teşvik edecek ve başarısızlığa neden olacaktır. Bu doğrultuda, çalışmamızda meziobukkal kökte ilave bir kanal olan MB- 2'nin tespitinde yapay zeka teknolojisinin performansının değerlendirilmesi amaçlanmıştır. Gereç ve Yöntem: Tez çalışmamızda Craniocatch (Eskişehir/Türkiye) firması tarafından hiçbir kişisel veri içermeyecek şekilde anonimize edilen veri tabanına ait ve kriterlere uygun 202 adet KIBT görüntüsü kullanılmıştır. PyTorch kütüphanesi ile uygulanan nnU-Netv2 modeli kök kanallarının tespiti ve 3 boyutlu otomatik segmentasyonu için kullanılmıştır. Çalışmamızda eğitim öncesinde etiketler Scipy kütüphanesi ile büyütülmüştür ve çalışmamız aynı yöntemlerin farklı büyütme oranlarında kullanıldığı iki aşamada gerçekleştirilmiştir. Yapay zeka modelinin performansı, konfüzyon matrisi kullanılarak değerlendirilmiştir. Bulgular: Çalışmamızda kullanılan nnU-Netv2 modelinin MB-2'nin 3 boyutlu otomatik segmentasyonu için ilk aşamadaki duyarlılık ve kesinlik değerleri ise sırasıyla; 0 ve NaN şeklindedir. Dice skoru 0, Jaccard indeks 0, %95 Hausdorff mesafesi (%95 HD) ise NaN şeklindedir. AUC değeri ise 0.5 olarak bulunmuştur. İkinci aşama için duyarlılık ve kesinlik değerleri ise sırasıyla; 0.538 ve 0.719 şeklindedir. Dice skoru 0.616, Jaccard indeksi 0.445, %95 Hausdorff mesafesi (%95 HD) ise 0.874 şeklindedir. AUC değeri ise 0.8 olarak bulunmuştur. Sonuçlar: Çalışmamız, ileride derin öğrenme yöntemleri ile yapılacak olan kök kanallarının segmentasyonu çalışmalarına öncü niteliktedir. Gelecekte derin öğrenme tabanlı sistemler hızlı ve güvenli bir şekilde MB-2 tespiti ile hekimlere destek olarak endodontik tedavilerin kalitesinin artmasına yardımcı olabilir.
Özet (Çeviri)
Aim: In order to perform endodontic treatment successfully, the root-canal morphology must be accurately determined before treatment. The presence of undetected root canals will encourage the proliferation of microorganisms and cause failure. In this context, our study aimed to evaluate the performance of artificial intelligence technology in the detection of MB-2, an additional canal in the mesiobuccal root. Materials and Methods: In our thesis study, 202 CBCT images belonging to the database that was anonymized by Craniocatch (Eskişehir/Türkiye) company in a way that does not contain any personal data and that meet the criteria were used. The nnU-Netv2 model implemented with the PyTorch library was used for the detection and 3D automatic segmentation of root canals. In our study, the labels were magnified with the Scipy library before training and our study was carried out in two stages using the same methods at different magnification rates. The performance of the artificial intelligence model was evaluated using the confusion matrix. Results: In our thesis study, the performance of the nnU-Netv2 model for 3D automatic segmentation of MB-2 in the first stage showed sensitivity and precision values of 0 and NaN, respectively. The Dice score was 0, the Jaccard index was 0, and the %95 Hausdorff distance (%95 HD) was NaN. The AUC value was 0.5. In the second stage, the sensitivity and precision values were 0.538, and 0.719, respectively. The Dice score improved to 0.616, the Jaccard index increased to 0.445, and the %95 Hausdorff distance (%95 HD) was 0.874. The AUC value in this stage was 0.8. Conclusion: Our research establishes a foundational framework for future work on root canal segmentation using deep learning techniques. With advancements in these systems, speedy and reliable identification of MB-2 could significantly enhance clinical practice, leading to higher quality endodontic treatments and better patient outcomes.
Benzer Tezler
- Üst ve alt çene sürekli dişlerin kök kanal anatomi ve morfolojilerinin KIBT görüntülerinde retrospektif olarak incelenmesi
Retrospective investigation of root canal anatomy and morphology of upper and lower jaw continuous teeth in CBCT images
İREM EREN
- İnfrazigomatik krest kalınlığının değerlendirilmesi
Evaluation of infrazygomatic crest thickness
İZEL GİZEM ADIGÜZEL ARAS
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiHacettepe ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. HAKAN EL
- Alt ve üst birinci ve ikinci büyük azı dişlerinin kanal morfolojileri ve üçüncü büyük azı dişleriyle karşılaştırılmaları
Canal morphologies of maxillary and mandibular first and second molars and comparison of these teeth with maxillary and mandibular third molars
MEHMET BAYBORA KAYAHAN
Doktora
Türkçe
2000
Diş Hekimliğiİstanbul ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
PROF.DR. UĞUR ALPAY YIRCALI
- Gömülü maksiller kanin dişlerin panoramik radyograf ve KIBT ile karşılaştırmalı analizi
Comparative analysis of impacted maxillary canine location with panoramic radiography and cone beam computed tomography
AHMET EREN KARABIYIK
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiOndokuz Mayıs ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. AYŞE PINAR SUMER
- Ortodontik tedavi sırasında erken ve geç yüklenen mini vidaların oluk sıvısındaki interlökin-8 ve matriks metalloproteinaz-8 seviyelerinin değerlendirilmesi
Evaluation of il-8 and mmp-8 levels araound miniscrew implants loaded early and late during orthodontic tooth movement
NEJLA İLHAN