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: 117
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
- Bitewing radyografilerde interproksimal, okluzal ve sekonder çürüklerin yapay zekâ ile otomatik tespiti: klinik kullanım için arayüz tasarımı
Automatic detection of interproximal, occlusal and secondary caries in bi̇tewing radiographies with artificial intelligence: İnterface design for clinical use
RABİA KARAKUŞ
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. MELEK TAŞSÖKER
- Farklı dental materyallerin dental volumetrik tomografide neden olduğu artefaktların aproksimal çürük teşhisine etkisinin değerlendirilmesi
Evaluation of effects of dental volumetric tomography artifacts on approximal caries diagnosis caused by different dental materials
MERAL YIRCALI ATICI
Doktora
Türkçe
2015
Diş Hekimliğiİzmir Katip Çelebi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. ELİF TARIM ERTAŞ
PROF. DR. HASAN HÜSEYİN YILMAZ
- 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
- Teledişhekimliğinde farklı teknikler kullanılarak çekilen dijital fotoğrafların okluzal çürük teşhisindeki etkinliklerinin değerlendirilmesi
Evaluation of the effectiveness of digital photos taken using different techniques in tele dentistry in the diagnosis of occlusal caries
ALİ RIZA SÜLEYMAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiRecep Tayyip Erdoğan ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. GÜL YILDIZ TELATAR
- Süt azı dişlerin ara yüzünde oluşan başlangıç mine lezyonlarının teşhisinde farklı görüntüleme tekniklerinin in vitro koşullarda değerlendirilmesi
Evaluation of different imaging techniques in vitro conditions in the diagnosis of initial enamel lesions formed at the approximals of primary molars
EMİNE AKYILDIZ