Derin öğrenme yöntemiyle geliştirilmiş yapay zekâ algoritmalarıyla panoramik radyografilerde dens invaginatus tespiti
Detection of dens invaginatus in panoramic radiographs with artificial intelligence algorithms developed with deep learning method
- Tez No: 907582
- Danışmanlar: DOÇ. DR. BURCU GÜÇYETMEZ TOPAL
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Dens invaginatus, Panoramik radyografi, Yapay zekâ, YOLO, Dens invaginatus, Panoramic radiography, Artificial intelligence, YOLO
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Afyonkarahisar Sağlık Bilimleri Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Çocuk Diş Hekimliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Amaç: Çalışmamızın amacı, panoramik radyografilerde dens invaginatuslu dişlerin tespitinde, iki farklı etiketleme ile YOLOv5 ve YOLOv8 derin öğrenme modelleri kullanılarak geliştirilen yapay zekâ uygulamasının başarısını ve güvenilirliğini değerlendirmektir. Gereç ve Yöntem: Bu çalışmada, 8-18 yaş arası hastalara ait 656 panoramik radyografi üzerinde üst anterior bölgedeki dens invaginatuslu dişlerin detection ve segmentasyon yöntemleri ile etiketlemesi yapıldı. Görüntüler üzerindeki etiketlemeler, CranioCatch (Eskişehir, Türkiye) yazılımı kullanılarak 2,5 yıllık deneyime sahip araştırma görevlisi ve 15 yıllık deneyime sahip çocuk diş hekimi uzmanı tarafından gerçekleştirildi. Her bir model kesinlik, duyarlılık ve F1 skorunu içeren performans kriterlerine göre değerlendirildi. Bulgular: YOLOv5 modelinin detection yöntemi ile etiketlemeler sonucu kesinlik, duyarlılık ve F1 skoru değerleri sırasıyla 0,945, 0,887 ve 0,915 iken; segmentasyon yöntemi için bu değerler 0,905, 0,928, 0,916 olarak bulundu. YOLOv8 modelinin detection yöntemi ile etiketlemeler sonucu kesinlik, duyarlılık ve F1 skoru sırasıyla 0,950, 1 ve 0,974 iken; segmentasyon yöntemi için bu değerler 0,940, 0,994, 0,966 olarak bulundu. Sonuç: Çalışmamızın sonuçlarına göre geliştirilen derin öğrenme modellerinin, dens invaginatus tespitinde başarılı olduğu görülmüştür. Derin öğrenme destekli sistemlerin çocuk diş hekimliği pratiğinde yer alabileceği ve hekimler için karar destek mekanizması olabileceği düşünülmektedir.
Özet (Çeviri)
Objective: The aim of this study was to evaluate the success and reliability of an artificial intelligence application developed using YOLOv5 and YOLOv8 deep learning models with two different labeling for the detection of teeth with dens invaginatus in panoramic radiographs. Materials and Methods: In this study, 656 panoramic radiographs of patients aged 8 to 18 were labeled for teeth with dens invaginatus in the upper anterior region using segmentation and detection methods. The labeling of the images was performed using the CranioCatch software (Eskişehir, Turkey) by a research assistant with 2.5 years of experience and a pediatric dentist with 15 years of experience. Each model was evaluated based on performance criteria, including precision, accuracy, and F1 score. Results: In this study, the detection method of the YOLOv5 model yielded precision, recall, and F1 scores of 0.945, 0.887, and 0.915, respectively. For the segmentation method of the same model, these values were 0.905, 0.928, and 0.916, respectively. In the case of the YOLOv8 model, the detection method achieved precision, recall, and F1 scores of 0.950, 1, and 0.974 while for the segmentation method, these values were 0.940, 0.994, and 0.966, respectively. Conclusion: Based on the results of this study, it has been observed that the deep learning models developed were successful in detecting dens invaginatus. It is believed that deep learning-supported systems could be integrated into pediatric dentistry practice and serve as a decision support mechanism for clinicians.
Benzer Tezler
- Derin öğrenme yöntemine dayalı yapay zekâ algoritmalarıyla panoramik radyografilerde incelenen sabit protetik restorasyonlar altında oluşan çürüklerin tespiti
Detection of caries formed under fixed prosthetic restorations examined on panoramic radiographs with artificial intelligence algorithms based on DEEP learning method
BETÜL AYHAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKırıkkale ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
PROF. DR. SAADET SAĞLAM ATSÜ
- Profil görüntüleri üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla yumuşak doku profilinin değerlendirilmesi
Evaluation of soft tissue profile with artificial intelligence algorithms developed with deep learning method on profile images
BİRCAN KABUKÇU
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU
- Ortodontik fotoğraflar üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla gülümseme estetiğinin değerlendirilmesi
Evaluation of smile aesthetics with artificial intelligence algorithms developed with deep learning method over orthodontic photographs
ZEKİ ARSLAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU
- Konik ışınlı bilgisayarlı tomografi görüntüleri üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla faringeal havayolu değerlendirilmesi
Evaluation of the pharyngeal airway with artificial intelligence algorithms improved by deep learning method on cone-beam computed tomography images
BATUHAN KULELİ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. MEHMET UĞURLU
- Konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik görüntüler üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla sefalometrik noktaların tespiti
Determination of cephalometric points with artificial intelligence algorithms developed by deep learning on lateral cephalometric images obtained from conic-beam computer tomography images
SEDA SALİHA KAYRAK
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEskişehir Osmangazi ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET UĞURLU