Geri Dön

Kısmi dişsiz çenelerin yapay zekâ algoritmalarıyla değerlendirilmesi

Evaluation of partially edentulous jaws with artificial intelligence algorithms

  1. Tez No: 908661
  2. Yazar: HİLAL UÇAK
  3. Danışmanlar: DOÇ. DR. ZEYNEP BAŞAĞAOĞLU DEMİREKİN
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Yapay zekâ, Kennedy sınıflandırılması, Yapay sinir ağları, Derin öğrenme, Artificial intelligence, Kennedy classification, Artificial neural networks, Deep learning
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Protetik Diş Tedavisi Ana Bilim Dalı
  12. Bilim Dalı: Protetik Diş Tedavisi Bilim Dalı
  13. 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

  1. Los Personajes y los temas en las novelas de unamuno

    Başlık çevirisi yok

    HALE GÖKNAR

    Doktora

    İspanyolca

    İspanyolca

    1989

    DilbilimAnkara Üniversitesi

    İspanyol Dili ve Edebiyatı Ana Bilim Dalı

    PROF. DR. MUZAFFER ARIKAN

  2. 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

    Türkçe

    2015

    Diş HekimliğiGazi Üniversitesi

    Ağız, Diş, Çene Hastalıkları ve Cerrahisi Ana Bilim Dalı

    PROF. DR. NUR MOLLAOĞLU

  3. Dijital implant ölçü netliğinin artırılmasına etkili parametrelerin incelenmesi

    Evaluation of the parameters effecting the accuracy of digital implant impressions

    GÖRKEM GÖKSOY

    Doktora

    Türkçe

    Türkçe

    2024

    Diş Hekimliğiİstanbul Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. BİLGE GÖKÇEN RÖHLİG

  4. 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

    Türkçe

    2023

    Diş HekimliğiEge Üniversitesi

    Ağız, Diş, Çene Hastalıkları ve Cerrahisi Ana Bilim Dalı

    DOÇ. DR. AYLİN ÇALIŞ

  5. 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

    İngilizce

    2010

    Diş HekimliğiGazi Üniversitesi

    Ağız, Diş, Çene Hastalıkları ve Cerrahisi Ana Bilim Dalı

    PROF. DR. NUR MOLLAOĞLU