Yapay zeka teknikleri ile diş impilant sistemlerinin sınıflandırılması
Classification of dental implant systems with artificial intelligence techniques
- Tez No: 917500
- Danışmanlar: PROF. DR. DERVİŞ KARABOĞA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Bilimleri Bilim Dalı
- Sayfa Sayısı: 141
Özet
Diş implantlarının sınıflandırılması, modern diş hekimliğinin kritik bir alanıdır. Ancak mevcut yöntemler zaman alıcı, hata yapmaya açık ve büyük ölçüde öznel uzmanlığa dayalıdır. Bu durum, tedavi sonuçlarını iyileştirmek ve klinik iş akışlarını kolaylaştırmak için otomatik, verimli ve doğru sistemlere duyulan ihtiyacı ortaya koymaktadır. Panoramik radyografların derin öğrenme teknikleriyle birleştirilmesi, umut verici bir yaklaşım sunmaktadır. Evrişimli sinir ağlarındaki (CNN) gelişmeler, tanı yeteneklerini iyileştirmek için önemli bir temel sağlamaktadır. Bu çalışma, implant çeşitliliği, veri dengesizliği ve sınıflandırma zorlukları gibi sorunları çözmek için hafif ancak yüksek performanslı CNN tabanlı modeller geliştirmiştir. Optimize edilmiş hiperparametreler ve veri artırma teknikleri ile geliştirilen ConvNeXt modeli, altı implant markasını sınıflandırmada %95,74 doğruluk performansıyla en son teknolojiyi temsil etmektedir. Modelin verimli tasarımı, hızlı çıkarım ve ölçeklenebilirlik sağlayarak sınırlı kaynaklara sahip klinik ortamlar için ideal hale gelmektedir. Önerilen çerçeve, tanı süresini kısaltıp hataları azaltmanın yanı sıra, güvenilir ve ölçeklenebilir çözümler sunarak klinik karar verme süreçlerini geliştirmektedir. Bu çalışma, yapay zeka destekli görüntüleme araçlarının ilerlemesine katkı sağlayarak diş hekimliğine önemli bir destek sunmakta, klinisyenlerin iş yükünü azaltmakta ve daha hızlı, daha doğru tanılar sağlamakta; aynı zamanda yapay zekanın diş hekimliğine entegrasyonunun önünü açmaktadır.
Özet (Çeviri)
Dental implant classification is a critical aspect of modern dentistry. However, current methods are time-intensive, prone to error, and rely heavily on subjective expertise. This underscores the need for automated, efficient, and accurate systems to optimize treatment outcomes and streamline clinical workflows. Integrating deep learning techniques with panoramic radiographs offers a promising approach. Advances in convolutional neural networks (CNNs) provide a robust foundation for improving diagnostic capabilities. This study addresses challenges like implant heterogeneity, data imbalance, and classification complexity by developing lightweight yet high-performing CNN-based models. An optimized ConvNeXt model achieved state-of-the-art accuracy of 95.74% in classifying six implant brands, thanks to enhanced data augmentation and hyperparameter optimization. Its efficient design ensures faster inference and scalability, making it ideal for resource-constrained clinical settings. The proposed framework not only reduces diagnosis time and errors but also enhances clinical decision-making with reliable and scalable solutions. By advancing AI-driven imaging tools, this study significantly contributes to dentistry, reducing clinician workload and enabling quicker, more precise diagnoses, while paving the way for deeper AI integration and improved patient outcomes.
Benzer Tezler
- Panoramik radyografiler kullanılarak dental implant sistemlerinin tanımlanmasında yapay zekanın etkinliği
Effectiveness of artificial intelligence in the identification of dental implant systems using panoramic radiographs
SEFA SÖĞÜTÖZÜ
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiAnkara ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. MİNE CAMBAZOĞLU
- Evaluation of the reliability of ChatGPT as a source of scientific information on dental implant surgery
ChatGPT'nin dental implant cerrahisi konusunda bilimsel bilgi kaynağı olarak güvenilirliğinin değerlendirilmesi
NEJLA ERTEKİN
Yüksek Lisans
İngilizce
2024
Diş HekimliğiYeditepe ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. CEYDA ÖZÇAKIR TOMRUK
- Yeraltı sularında yüksek florürün dağılımı ve dental florozis için sağlık bilgi sistemlerinde CBS tabanlı karar destek sistemi geliştirilmesi
Distribution of high fluoride in groundwater and development of GIS-based decision support system in health information systems for dental fluorosis
PERİHAN DERİN
Doktora
Türkçe
2024
Çevre MühendisliğiHarran ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET İRFAN YEŞİLNACAR
- Kamu bina inşaat ihalelerinde sözleşme bedelinin yapay zeka teknikleri ile belirlenmesi
Determination of contract price with artificial intelligence methods in public construction tenders
ESRA DOBRUCALI
Doktora
Türkçe
2018
İnşaat MühendisliğiSakarya Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL HAKKI DEMİR
- Elektrookulogram (EOG) sinyalinin incelenmesi ve yapay zekâ teknikleri ile modellenmesi
Analyzing elektrooculogram signal (EOG) and modelling by the artifical inteligience methods
HANDE ERKAYMAZ
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiBülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ÖZER
YRD. DOÇ. DR. İLHAMİ MUHARREM ORAK