Kısmi dişsiz çenelerin yapay zekâ algoritmalarıyla değerlendirilmesi
Evaluation of partially edentulous jaws with artificial intelligence algorithms
- Tez No: 908661
- Danışmanlar: DOÇ. DR. ZEYNEP BAŞAĞAOĞLU DEMİREKİN
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Yapay zekâ, Kennedy sınıflandırılması, Yapay sinir ağları, Derin öğrenme, Artificial intelligence, Kennedy classification, Artificial neural networks, Deep learning
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Protetik Diş Tedavisi Ana Bilim Dalı
- Bilim Dalı: Protetik Diş Tedavisi Bilim Dalı
- Sayfa Sayısı: 107
Özet
Amaç: Son yıllarda yaşam kalitemiz üzerinde önemli değişikliklere sebep olan gelişmelerden biri yapay zekâdır (AI). Özellikle radyoloji alanında birçok gelişmeye katkı sağlayan AI, diş hekimliğinde de popülerlik kazanmaya başlamıştır. Bu çalışmada, DCNN (Derin Konvolüsyonel Sinir Ağı) kullanarak diş eksikliği bulunan hastaların panoramik görüntüleri üzerinde Kennedy sınıflamasının otomatik bir yöntemle yapılmasını sağlamayı amaçladık. Materyal ve Metot: Veri setimiz, 1300 panoramik görüntüden oluşmaktadır. Çalışmamızda; YOLOv5 mimarisine, diş eksikliği tespiti, numaralandırılması ve eksik dişlerin konumuna göre uygun Kennedy sınıflandırılmasının eğitimi yapılmış ve sonuçları test edilmiştir. Görüntüler üzerindeki etiketlemeler, CranioCatch etiketleme yazılımı (CranioCatch, Eskişehir, Türkiye) kullanılarak gerçekleştirilmiştir. Modelin başarı metrikleri, karmaşıklık matris yöntemi ile hesaplanmıştır. Bulgular: Eksik diş tespit ve numaralandırma için YOLOv5 modelinin duyarlılık, kesinlik ve F1 skoru değerleri sırasıyla; 0.85, 0.96 ve 0.90 olarak hesaplanmıştır. Kennedy sınıflaması için ise bu değerler sırasıyla; 0.91, 0.87 ve 0.89'dır. Maxilla ve mandibula için yapılan Kennedy etiketlemelerinde YOLOV5 modelinin genel başarı oranı %89 olup, bu da modelin genel olarak başarılı olduğunu göstermektedir. Sonuç: Dişli ve dişsiz çenelerin sınıflandırılması, protez planlamasının ilk ve en önemli adımını oluşturur. Radyografik temelli sınıflamaların otomatik olarak elde edilmesi ve bulguların ağız içi tarayıcı sonuçlarıyla entegre edilmesi, bu amaçla geliştirilen yapay zekâ modellerinin başarısını artırarak, otonom veya yarı otonom protez planlama uygulamalarının yolunu açacaktır. Bu süreç, dijital iş akışında meydana gelebilecek insan kaynaklı hataların önlenmesine de katkı sağlayacaktır. Çalışmamız, ilerleyen zamanlarda yapılacak derin öğrenme tabanlı panoramik raporlama sistemlerinin gelişimi açısından büyük önem taşımaktadır. Bu sistemlerin diş hekimliği pratiğinde yapay zekâ uygulamalarının kullanımını artırarak, tedavi planlamasında daha güvenilir ve tutarlı sonuçlar elde edilmesine katkı sağlayacağı düşünülmekteyiz.
Özet (Çeviri)
Aim: Artificial intelligence (AI) has rapidly influenced various fields, including radiology and dentistry, enhancing diagnostic and planning processes. This study aims to perform automatic Kennedy classification of panoramic images from patients with missing teeth using deep convolutional neural networks (DCNN). Materials and Methods: A dataset of 1300 panoramic images was used to develop our model. We applied transfer learning techniques to the yolov5 architecture to classify missing teeth based on detection, numbering, and location, enabling accurate Kennedy classification. CranioCatch software was used for image labeling, and model success metrics were calculated through the complexity matrix method. Results: The yolov5 model achieved sensitivity, precision, and F1 scores of 0.85, 0.96, and 0.90, respectively, for missing tooth detection and enumeration. For Kennedy classification, these metrics were 0.91, 0.87, and 0.89, respectively. The model's overall success rate for Kennedy labeling of the maxilla and mandible was 89%, demonstrating robust performance. Conclusion: Accurate classification of toothed and edentulous jaws is essential in prosthetic planning. Automating this process through radiographic-based classifications and integrating these findings with intraoral scanner results can enhance the reliability of AI-driven prosthetic applications. This approach minimizes human error in the digital workflow, supporting autonomous or semi-autonomous planning. Our study significantly contributes to the development of future deep learning-based panoramic reporting systems in dentistry. We believe such systems will expand the use of artificial intelligence in clinical settings, fostering more reliable and consistent treatment planning.
Benzer Tezler
- Los Personajes y los temas en las novelas de unamuno
Başlık çevirisi yok
HALE GÖKNAR
Doktora
İspanyolca
1989
DilbilimAnkara Üniversitesiİspanyol Dili ve Edebiyatı Ana Bilim Dalı
PROF. DR. MUZAFFER ARIKAN
- Dişsiz mandibulada dental implant yiv adımının ve şeklinin stres dağılımına etkilerinin üç boyutlu sonlu elemanlar analizi ile değerlendirilmesi
The determination of thread pitch and thread shape on stresses in edentulous mandible by three dimensional finite element analysis
GÖKTUĞ SİNA OKKAN
Doktora
Türkçe
2015
Diş HekimliğiGazi ÜniversitesiAğız, Diş, Çene Hastalıkları ve Cerrahisi Ana Bilim Dalı
PROF. DR. NUR MOLLAOĞLU
- Dijital implant ölçü netliğinin artırılmasına etkili parametrelerin incelenmesi
Evaluation of the parameters effecting the accuracy of digital implant impressions
GÖRKEM GÖKSOY
Doktora
Türkçe
2024
Diş Hekimliğiİstanbul ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
PROF. DR. BİLGE GÖKÇEN RÖHLİG
- All-on-four sistem planlanan hastalarda distal implantın sonlu eleman analizi ile stres dağılımının incelenmesi
Evaluation of stress distribution on distal implant in patients with all-on-four system planned by finite element analysis
YILDIZ ÜNÜVAR
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiEge ÜniversitesiAğız, Diş, Çene Hastalıkları ve Cerrahisi Ana Bilim Dalı
DOÇ. DR. AYLİN ÇALIŞ
- Assessment of hard tıssue densıty around dental ımplants usıng conventıonal radıographs
Dental implantlar çevresindeki sert doku densitesinin konvensiyonel radyograflar ile incelenmesi
WAEL ALSHAIBANI
Doktora
İngilizce
2010
Diş HekimliğiGazi ÜniversitesiAğız, Diş, Çene Hastalıkları ve Cerrahisi Ana Bilim Dalı
PROF. DR. NUR MOLLAOĞLU