Geri Dön

Derin öğrenme yöntemiyle panoramik radyografilerde sekonder çürük tespiti

Secondary caries detection with deep learning in panoramic radiographs

PDF İndir

  1. Tez No: 911627
  2. Yazar: GÖKTUĞ YERSEL
  3. Danışmanlar: PROF. DR. NESLİHAN TEKÇE
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Restoratif Diş Tedavisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 108

Özet

Amaç: Bu çalışmanın amacı, sekonder çürüklerin etkin ve doğru tespitini sağlamak için yapay zeka tabanlı bir tespit yöntemi geliştirmektir. Restoratif diş hekimliğinde tanısal doğruluğu arttırmak ve hastalara sunulan tedaviyi optimize etmeyi amaçlayan bu çalışma, görüntü işleme ve derin öğrenme metotlarını kullanarak sekonder çürük teşhisinde yüksek hassasiyet ve güvenilirlik sağlamayı amaçlamaktadır. Yöntem: Bu çalışmada Kocaeli Üniversitesi Diş Hekimliği Fakültesine çeşitli nedenlerle başvurmuş hastaların panoramik radyografi görüntüleri kullanılmıştır. Çalışmaya toplamda 596 panoramik radyografi dahil edilmiştir. Elde edilen görüntüler Computer Vision Annotation Tool (CVAT) programı kullanarak sağlıklı, primer çürüklü, sekonder çürüklü, dental protetik kron, implant, kırık diş olmak üzere 6 ayrı etiket dikdörtgen şeklinde kutu çizilerek etiketlendi. Çalışmaya dahil edilen 596 panoramik radyografi görüntünün %70'i modellerin eğitilmesinde, %15'i modellerin doğrulanmasında, %15'i ise geliştirilen modellerin test edilmesi amacıyla kullanıldı. YOLOv8 ve YOLOv11 tabanlı derin öğrenme modeli ile eğitim yapıldı. Bulgular: Bu çalışmada panoramik radyografilerde sağlıklı dişler, primer çürüklü dişler, sekonder çürüklü dişler, protetik dental kronlar, dental implantlar ve kırık dişler olmak üzere altı farklı dental durumun tespiti amacıyla geliştirilen multi-class derin öğrenme algoritmalarından YOLOv8m'in hassasiyet, kesinlik, F1-skor, mAP-0.5 ve mAP0.50-0.95 değerleri sırasıyla 0.812, 0.723, 0.765, 0.796 ve 0.424 olarak bulunmuştur. Bu değerler YOLOv8x modeli için sırasıyla 0.713, 0.711, 0.712, 0.744, 0.383 iken YOLOv11x modeli için sırasıyla 0.751, 0.780, 0.765, 0.785 ve 0.436 şeklindedir. Veri arttırımı işlemi uygulandıktan sonra modelin başarısının ne şekilde değişeceğini test etmek amacıyla YOLOv8m modelinde, veri arttırımı işlemi yapılarak model yeniden eğitilmiştir. Bunun sonucunda elde edilen YOLOv8m-Aug modelinin başarısı ise sırasıyla 0.827, 0.711, 0.765, 0.819 ve 0. 434 olarak tespit edilmiştir. Sonuç: Geliştirilen derin öğrenme yöntemi ile sekonder çürüklerin tespitinde klinik uygulamaya yardımcı olacak şekilde model elde edilmiştir. Geliştirilen model klinik muayene ile desteklenerek sekonder çürüklerin tespiti açısından yardımcı bir araç olarak kullanılabilmektedir.

Özet (Çeviri)

Objective: The aim of this study is to develop an artificial intelligence-based detection method for efficient and accurate detection of secondary caries. Aiming to increase diagnostic accuracy in restorative dentistry and optimize the treatment offered to patients, this study aims to provide high accuracy and reliability in secondary caries diagnosis using image processing and deep learning methods. Method: In this study, panoramic radiographs of patients admitted to Kocaeli University Faculty of Dentistry for various reasons were used. A total of 596 panoramic radiographs were included in the study. Using the Computer Vision Annotation Tool (CVAT) program, the images were labeled as healthy, primary caries, secondary caries, dental prosthetic crown, implant, and fractured tooth by drawing a rectangular box with 6 different labels. Of the 596 panoramic radiography images included in the study, 70% were used to train the models, 15% were used to validate the models, and 15% were used to test the developed models. Training was performed with YOLOv8 and YOLOv11 based deep learning models. Results: In this study, the precision, accuracy, F1-score, mAP-0.5 and mAP0.50-0.95 values of YOLOv8m, a multi-class deep learning algorithm developed for the detection of six different dental conditions in panoramic radiographs: healthy teeth, primary decayed teeth, secondary decayed teeth, prosthetic dental crowns, dental implants and broken teeth, were found to be 0.812, 0.723, 0.765, 0.796 and 0.424, respectively. These values are 0.713, 0.711, 0.712, 0.744, 0.383 for the YOLOv8x model and 0.751, 0.780, 0.780, 0.765, 0.785 and 0.436 for the YOLOv11x model, respectively. In order to test how the success of the model will change after the data augmentation process is applied, the model was retrained by performing data augmentation in the YOLOv8m model. As a result, the success of the YOLOv8m-Aug model is 0.827, 0.711, 0.765, 0.819 and 0.434, respectively. Conclusion: With the developed deep learning method, a model was obtained to help clinical practice in the detection of secondary caries. The developed model can be used as an auxiliary tool for the detection of secondary caries by supporting clinical examination.

Benzer Tezler

  1. Tez No

    907582

    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

    ESRA NUR AKGÜL

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiAfyonkarahisar Sağlık Bilimleri Üniversitesi

    Çocuk Diş Hekimliği Ana Bilim Dalı

    DOÇ. DR. BURCU GÜÇYETMEZ TOPAL

  2. Tez No

    804064

    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

    Türkçe

    2023

    Diş HekimliğiKırıkkale Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. SAADET SAĞLAM ATSÜ

  3. Tez No

    832198

    Daimi dentisyonda mandibular ikinci molar dişlerin kök oluşum seviyelerinin yapay zekâ ile değerlendirilerek çekim endikasyonu olan birinci molar dişlerin ideal çekim zamanının belirlenmesi

    In permanent dentition determination the ideal extraction time of first molar teeth by evaluation of root formation levels of mandibular second molars with arti̇ficial intelligence

    AYŞE MERYEM ALTIN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiBezm-i Alem Vakıf Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İRFAN SARICA

  4. Tez No

    754364

    Transfer öğrenimi tabanlı evrişimli sinir ağlarını kullananotomatik dental panoramik görüntü segmentasyonu

    Automated dental panoramic image segmentation using transfer learning based convolutional neural networks

    TÜLİN ÇAYLAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İMAM ŞAMİL YETİK

  5. Tez No

    611851

    Panorama ile üretilen plevral efüzyon sitopatoloji görüntüleri üzerinde yolov3 ile otomatik çekirdek algılama

    Automatic nuclei detection with yolov3 algorithm on pleural effusion cytopatology images produced by panorama method

    BÜŞRANUR KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT EKİNCİ

Geri Dön