Bitewing radyografilerde dental çürük türlerinin yapay zeka modelleriyle tespiti
Detection of dental caries types in bitewing radiographs with artificial intelligence models
- Tez No: 910149
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ ALTINDAĞ
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Bitewing radyografi, Derin öğrenme, Diş çürüğü, Yapay zeka, Bitewing radiography, Deep learning, Caries, Artificial intelligence
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Ağız, Diş Çene Radyolojisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Diş çürüğü, besinlerin bakteriler tarafından fermentasyonu sonucu oluşan asidik ürünlerin diş dokularında yıkıma neden olmasıyla ortaya çıkar ve tüm yaş gruplarını etkileyebilir. Geleneksel tespit yöntemleri arasında görsel muayene, sondlama ve radyografi yer alır. Ancak sıkı interproksimal temaslar ve dişin anatomik yapısı gibi faktörler çürük tespitini zorlaştırabilir. Yapay zekâ (YZ) ve derin öğrenme, tıbbi görüntüleme alanında hızla gelişmekte olup dental radyografilerde çürük tespiti amacıyla kullanılmaktadır. Bu çalışmada, bitewing radyografilerde dental çürük türlerinin tespitinde YZ modellerinin etkinliği incelenmiştir. Kullanılan YZ modeli, evrişimsel sinir ağları (CNN) ve derin öğrenme tekniklerine dayanmaktadır. Veriler, Necmettin Erbakan Üniversitesi Diş Hekimliği Fakültesi Ağız Diş Çene Radyolojisi Bölümüne Ocak 2021 – Ocak 2022 tarihleri arasında başvuran hastaların bitewing grafileri üzerinden elde edilmiştir. Toplamda 2304 bitewing grafisi kullanılmıştır. Model, bu radyografiler üzerinde eğitilmiş ve doğrulanmıştır. Çalışmada, geleneksel radyografi yöntemleri ile elde edilen sonuçlar, YZ modeli ile karşılaştırılmıştır. YZ modellerinin bitewing radyografilerde dental çürük tespitinde yüksek doğruluk ve güvenilirlik sağladığını göstermiştir. Unet modeli Kesinlik (Precision) %97.9, Duyarlılık (Sensitivity) %86.8, F1 Skoru %92.0; YOLOv5 modeli Kesinlik (Precision) %92.5, Duyarlılık (Sensitivity) %86.1, F1 Skoru %89.2 ve YOLOv8 modeli Kesinlik (Precision) %97.5, Duyarlılık (Sensitivity) %86.3 F1 Skoru %91.6 oranında başarı göstermiştir. Sonuçlar: YZ modellerinin bitewing radyografilerde dental çürük tespitinde yüksek doğruluk ve güvenilirlik sunduğunu ortaya koymuştur. Yapay zekâ, hekimlerin teşhis süresini kısaltarak ve etkinliğini artırarak, çürüklerin erken evrede tespit edilmesine yardımcı olabilir. Bu durum, tedavi planlamasında ve hasta bakımında önemli iyileştirmeler sağlayabilir. YZ modellerinin, dental radyoloji alanında gelecekte daha yaygın kullanılması beklenmektedir.
Özet (Çeviri)
Dental caries occurs when acidic products of fermentation of food by bacteria cause destruction of dental tissues and can affect all age groups. Traditional detection methods include visual inspection, probing and radiography. However, factors such as tight interproximal contacts and the anatomical structure of the tooth can make caries detection difficult. Artificial intelligence (AI) and deep learning are rapidly developing in the field of medical imaging and have been used for caries detection in dental radiographs. In this study, the effectiveness of AI models in the detection of dental caries types in bitewing radiographs was investigated. The AI model used is based on convolutional neural networks (CNN) and deep learning techniques. Data were obtained from bitewing radiographs of patients who applied to Necmettin Erbakan University Faculty of Dentistry, Department of Oral and Maxillofacial Radiology between January 2021 and January 2022. A total of 2304 bitewing radiographs were used. The model was trained and validated on these radiographs. In the study, the results obtained with traditional radiography methods were compared with the AI model. The results showed that AI models provide high accuracy and reliability in dental caries detection in bitewing radiographs. The Unet model achieved Precision 97.9%, Sensitivity 86.8%, F1 Score 92.0%; YOLOv5 model achieved Precision 92.5%, Sensitivity 86.1%, F1 Score 89.2% and YOLOv8 model achieved Precision 97.5%, Sensitivity 86.3%, F1 Score 91.6%. Conclusions: AI models offer high accuracy and reliability in dental caries detection on bitewing radiographs. Artificial intelligence can help physicians to detect caries at an early stage by shortening the diagnosis time and increasing its efficiency. This can lead to significant improvements in treatment planning and patient care. AI models are expected to be used more widely in the field of dental radiology in the future.
Benzer Tezler
- Tükrükteki laktobosillus miktarının saptanmasında kullanılan çürük aktivite testlerinden snyder ve dentocult dip-slide testlerinin karşılaştırılması
Başlık çevirisi yok
AYDAN KANLI
Doktora
Türkçe
1989
Diş HekimliğiHacettepe ÜniversitesiOral Diagnoz ve Radyoloji Ana Bilim Dalı
PROF.DR. ERDOĞAN TURGUT
- Standardize paralel, bite-wing, açıortayı tekniklerinin periodontal klinik muayene ile karşılaştırılması
Comparison of standardised parallel, bite-wing and bisecting techniques with the clinical periodontal examination
SEBAHAT YARAŞ
Doktora
Türkçe
1990
Diş HekimliğiAnkara ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
DOÇ.DR. A. NURİ YAZICIOĞLU
- Diyarbakır yöresinde 15-24, 25-34, 35-44 yaş gruplarında çürük prevalansı ve radyolojik değerlendirilmesi
Başlık çevirisi yok
MEHMET ÇOLAK
Doktora
Türkçe
1991
Diş HekimliğiDicle ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
DOÇ.DR. FATMA ATAKUL
- Farklı yaş gruplarından alınan panorramik radyografiler üzerinde periodontal durum ve bunu etkileyen lokal faktörlerin incelenmesi
Investigation of periodontal status on panoraom radiographs obtained from different age groups and the affecting local factors
ASLIHAN ALANYALIOĞLU
- Farklı güçteki röntgen cihazları ile; farklı radyografi tekniklerinde bukkal ve okluzal çürüklerin görünürlüğünün değerlendirilmesi
Radiographic detection of buccaland occlusal caries: effects of x-ray beam factors and different radiography techniques
ŞEHRAZAT EVİRGEN ÖZDEN
Yüksek Lisans
Türkçe
2002
Diş HekimliğiAnkara ÜniversitesiOral Diagnoz ve Radyoloji Ana Bilim Dalı
PROF.DR. CANDAN S. PAKSOY