Derin öğrenme yöntemi ile daimi birinci azı dişlerinde ektopik erüpsiyonun tespit edilmesi
Detection of ectopic eruption in permanent first molars using deep learning methods
- Tez No: 905748
- Danışmanlar: PROF. DR. NİHAL BELDÜZ KARA, DR. ÖĞR. ÜYESİ DİDEM ODABAŞI
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Ektopik Erüpsiyon, Daimi Birinci Azı Dişi, Derin Öğrenme Yöntemi, Yapay Zekâ, Ectopic Eruption, Permanent First Molar, Deep Learning Method, Artificial Intelligence
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ordu Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Pedodonti Ana Bilim Dalı
- Bilim Dalı: Çocuk Diş Hekimliği Bilim Dalı
- Sayfa Sayısı: 99
Özet
Amaç: Ektopik erüpsiyon, çene ve çene segmentindeki büyüme kısıtlılığı nedeniyle dişin normal olmayan pozisyonda sürmesini ifade eder. Bu çalışmanın amacı, derin öğrenme yöntemi ile panoramik radyografilerde daimi birinci azı dişlerin ektopik erüpsiyon durumunun tespit edilmesi ve şiddetinin belirlenmesinde yapay zekânın etkinliğini değerlendirmektir. Gereç ve yöntem: Bu çalışmada, çeşitli nedenlerle Ocak 2015-Eylül 2023 yılları arasında, T.C. Ordu Üniversitesi Diş Hekimliği Fakültesi Pedodonti Anabilim Dalı Kliniği'ne başvuran, 5-10 yaş arasındaki 12934 çocuk hastanın panoramik görüntüleri kullanılmıştır. Çalışmaya dahil edilen 876 görüntü ektopik erüpsiyonun varlığı/yokluğu ve şiddetine göre sınıflandırılmıştır. Ektopik erüpsiyonun tespiti ve sınıflandırılması için CNN tabanlı bir model olan Mask R-CNN mimarisi ve Data Efficient Image Transformer (DeiT) veya BERT Pre-Training of Image Transformers (BeiT) algoritmaları kullanılmıştır. Yapay zekâ performansı, K-Fold Çapraz Doğrulama (K-Fold Cross Validation) yöntemi ve karışıklık matrisi kullanılarak değerlendirilmiştir. Karışıklık matrisi kullanılarak hesaplanan doğruluk, kesinlik, duyarlılık ve F1-skor değerleri ektopik erüpsiyon tespiti için her bir diş ve şiddet sınıflaması için ayrı ayrı hesaplanmıştır. Bulgular: Kullanılan yapay zekâ modeli, panoramik radyografilerde ektopik erüpsiyonu tespit etmede yüksek performans sonuçları elde etmiştir. Ektopik erüpsiyonun şiddet sınıflandırmasında ise tespit başarısına göre daha düşük sonuçlar elde etmiştir. Özellikle orta şiddetteki ektopik erüpsiyon tespiti düşük başarı değerleri vermiştir. Sonuç: Ektopik sürme eğiliminde olan daimi birinci azı dişlerin erken teşhisi ve kapsamlı bir değerlendirme sonrasında uygun tedavi planlamasının yapılması, olası problemlerin önlenmesi ve gelecekte gerekebilecek uzun ve maliyetli tedavi ihtiyaçlarının azaltılması açısından büyük önem taşımaktadır.
Özet (Çeviri)
Objective: Ectopic eruption refers to the abnormal positioning of a tooth due to growth limitations in the jaw and jaw segments. This study aims to evaluate the effectiveness of artificial intelligence in detecting ectopic eruption of permanent first molars and determining its severity in panoramic radiographs using a deep learning method. Materials and Methods: The study used panoramic images of 12,934 pediatric patients, aged 5-10, who visited the Pediatric Dentistry Clinic at the Faculty of Dentistry of Ordu University between January 2015 and September 2023 for various reasons. A total of 876 images included in the study were classified based on the presence/absence of ectopic eruption and severity of it. For the detection and classification of ectopic eruption, a CNN-based model, Mask R-CNN architecture, and algorithms such as Data Efficient Image Transformer (DeiT) or BERT Pre-Training of Image Transformers (BeiT) were used. The performance of the artificial intelligence model was evaluated using the K-Fold Cross Validation method and a confusion matrix. Results: The AI model demonstrated high performance in detecting ectopic eruption in panoramic radiographs. However, in classifying the severity of ectopic eruption, the results were lower compared to detection accuracy. Specifically, the detection of ectopic eruption having moderate severity showed lower success rates. Using a confusion matrix, values of accuracy, precision, recall, and F1-score were calculated for each tooth and these values were used for severity classification. Conclusion: Early detection of ectopic eruption tendencies in permanent first molar teeth and comprehensive evaluation to plan appropriate treatment can help prevent potential problems and reduce the need for lengthy and costly treatments in the future.
Benzer Tezler
- The effect of visual and text interfaces in teaching robot programming
Robot programlama öğretiminde görsel ve metin arayüzlerin etkisi
BESİM BARANSEL BAĞCI
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN İNCE
- Derin öğrenme yöntemi ile karışık dişlenme döneminde diş tespiti
Tooth detection with deep learning method in mixed dentition
ESRA ÖZÇELİK ERYILMAZ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiOrdu ÜniversitesiPedodonti Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ŞİMŞEK
- Süt dişlerinde çürük ve pulpa ilişkisinin derin öğrenme yöntemi ile değerlendirilmesi
Evaluation of the relationship between caries and pulp in primary teeth using deep learning method
SUNA DENİZ BOSTANCI
Doktora
Türkçe
2024
Diş HekimliğiGazi ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
PROF. DR. MEHMET BANİ
- Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamasıyla çocuklardan alınan panoramik radyografilerde çürük dişlerin tespiti
Determination of caries teeth in panoramic radiographs taken from children with artificial intelligence developed by using deep learning method
ESRA AŞÇI
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiAtatürk ÜniversitesiPedodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MÜNEVVER KILIÇ
- Equity portfolio optimization using reinforcement learning: An emerging market case
Pekiştirmeli öğrenme ile hisse senedi portföyü optimizasyonu: Gelişmekte olan piyasa örneği
MERT CANDAR
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ