Geri Dön

Konik ışınlı bilgisayarlı tomografi ile tespit edilen mandibular ikinci molarlardaki C şekilli kanalların panoramik radyograflar üzerinde tespit edilme doğruluklarının derin öğrenme yöntemiyle geliştirilmiş yapay zekâ algoritmalarıyla değerlendirilmesi

Evaluation of the accuracy of detecting c-shaped canals in mandibular second molars identified by cone-beam computed tomography on panoramic radiographs using artificial intelligence algorithms developed with deep learning methods

PDF İndir

  1. Tez No: 918053
  2. Yazar: OZAN UYSAL
  3. Danışmanlar: PROF. DR. HAYATİ MURAT AKGÜL
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: C şekilli diş kök kanalı, endodontik tedavi, derin öğrenme, ön işlemli görüntüler, C-shaped tooth root canal, endodontic treatment, deep learning, preprocessed images
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 140

Özet

Amaç: Bu çalışmanın amacı konik ışınlı bilgisayarlı tomografi (KIBT) yardımı ile eğitilmiş panoramik radyografiler üzerinde mandibular 2. molarlardaki C şekilli kanal formasyonun farklı derin öğrenme algoritmaları ile tespitini yapabilmektir. Yöntem: Çalışmamıza Pamukkale Üniversitesi, Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı arşivinde dijital panoramik radyografisi ve konik ışınlı bilgisayarlı tomografi görüntüleri bulunan ve 37 veya 47 numaralı dişlerinden en az birisinin ağız içerisinde bulunduğu 592 hastaya ait görüntüler (C şekilli kanal bulunan 289 ve C şekilli olmayan 303 panoramik radyografi) dahil edildi. C şekilli kanal bulunan 289 panoramik radyografiden tek taraflı ve çift taraflı olmak üzere 422 adet ve C şekilli kanal bulunmayan 303 panoramik radyografiden C şekilli kanal sayısıyla aynı olacak şekilde 422 adet 37 ve 47 numaralı dişler panoramik radyografide etiketlendi. Böylece C şekilli kanal bulunan ve bulunmayan 844 adetlik görüntü veri setimiz oluşturuldu. C şekilli bir kanalın varlığını doğrulamak için KIBT görüntüleri altın standart olarak kabul edildi. Veri setimizi oluşturan 844 panoramik görüntüdeki C şekilli kanallı diş tespiti için 11 farklı derin öğrenme modelinin (InceptionV3, VGG19, Xception, ResNet152V2, EfficientNetB1, EfficientNetB0, VGG16, ResNet50, ResNet50V2, DenseNet169 ve DenseNet201) orijinal ve ön işleme yapılan panoramik görüntülerinden 37 ve 47 numaralı dişlerde (kron-kök ve sadece kök şeklinde iki ayrı grup olacak şekilde) C şekilli kanalların tespit doğruluk performansı araştırıldı. Ayrıca random majority görüntülerin karmaşıklık matris kullanılarak performans metrikleri değerlendirildi. Bulgular: Kron ve kök veri setimizdeki orijinal ve ön işlemli görüntüler için en yüksek ortalama doğruluk değerleri 0,885 (%88,5) ve 0,886 (%88,6), sadece kök veri setimizdeki orijinal ve ön işlemli görüntüler için en yüksek ortalama doğruluk değerleri 0,892 (%89,2) ve 0,887 (%88,7) olarak bulundu. Kron ve kök veri ve sadece kök veri setlerindeki random majority görüntülerin en yüksek doğruluk performans metrik sonuçları sırasıyla 0,902 (%90,2) ve 0,897 (%89,7) olarak bulundu. Kron-kök veri setindeki görüntülere ön işlem yapıldığında InceptionV3, VGG19, Xception ve ResNet152V2 derin öğrenme mimarilerinin ortalama doğruluk değeri arttı, EfficientNetB1, EfficientNetB0, VGG16, ResNet50, ResNet50V2, DenseNet169 ve DenseNet201 derin öğrenme mimarilerinin ortalama doğruluk değeri azaldı. Kök veri setindeki görüntülere ön işlem yapıldığında EfficientNetB0, ResNet50, ResNet50V2, Xception ve ResNet152V2 derin öğrenme mimarilerinin ortalama doğruluk değeri arttı; kök veri setindeki görüntülere ön işlem yapıldığında InceptionV3, EfficientNetB1, VGG16, VGG19, DenseNet169 ve DenseNet201 derin öğrenme mimarilerinin ortalama doğruluk değeri azaldı. Sonuç: Derin öğrenme mimarilerinin kombine kullanımı ile yüksek performans değerlerine ulaşılmıştır. Çalışmamız endodontik kanal tedavilerinin başarısı açısından C şekilli kanalların tespiti için önemli bir niteliktedir ve derin öğrenme modelleri klinisyenlere yardımcı olabilecek yeterliliktedir.

Özet (Çeviri)

Objective: The aim of this study is to detect the C-shaped canal formation in mandibular second molars on panoramic radiographs trained with the aid of conebeam computed tomography (CBCT) using different deep learning algorithms. Method: Our study included images of 592 patients with at least one of their 37th or 47th teeth present in the mouth, archived in the Department of Oral, Dental, and Maxillofacial Radiology, Faculty of Dentistry, Pamukkale University. These images consisted of digital panoramic radiographs and cone-beam computed tomography (CBCT) scans. The dataset included 289 panoramic radiographs with C-shaped canals and 303 panoramic radiographs without C-shaped canals. From the 289 panoramic radiographs with C-shaped canals, a total of 422 teeth (both unilateral and bilateral) were labeled, and an equal number of 422 teeth from the 303 panoramic radiographs without C-shaped canals were labeled. This resulted in a dataset of 844 labeled panoramic radiographs for teeth numbered 37 and 47, with and without C-shaped canals. CBCT images were considered the gold standard for confirming the presence of a C-shaped canal. To detect C-shaped canals in the 844 panoramic images comprising our dataset, the detection accuracy performance of 11 different deep learning models (InceptionV3, VGG19, Xception, ResNet152V2, EfficientNetB1, EfficientNetB0, VGG16, ResNet50, ResNet50V2, DenseNet169, and DenseNet201) was investigated. The models were applied to original and preprocessed panoramic images of teeth numbered 37 and 47, divided into two separate groups: crown-root and root-only. Additionally, the performance metrics were evaluated using confusion matrices based on random majority images. Results: For the crown-root dataset, the highest average accuracy values for original and preprocessed images were found to be 0.885 (88.5%) and 0.886 (88.6%), respectively. For the root-only dataset, the highest average accuracy values for original and preprocessed images were 0.892 (89.2%) and 0.887 (88.7%), respectively. The highest accuracy performance metrics for random majority images in the crown-root and root-only datasets were 0.902 (90.2%) and 0.897 (89.7%), respectively. When preprocessing was applied to the crown-root dataset, the average accuracy values increased for the deep learning architectures InceptionV3, VGG19, Xception, and ResNet152V2, while they decreased for EfficientNetB1, EfficientNetB0, VGG16, ResNet50, ResNet50V2, DenseNet169, and DenseNet201. For the root-only dataset, preprocessing increased the average accuracy for EfficientNetB0, ResNet50, ResNet50V2, Xception, and ResNet152V2, whereas it decreased for InceptionV3, EfficientNetB1, VGG16, VGG19, DenseNet169, and DenseNet201. Conclusion: High-performance values were achieved through the combined use of deep learning architectures. Our study is significant for the detection of C-shaped canals in terms of the success of endodontic treatments, and deep learning models are sufficiently capable of assisting clinicians.

Benzer Tezler

  1. Tez No

    575279

    Gömülü üçüncü molarların ikinci molarlarda neden olduğu distal çürüklerin, eksternal kök rezorpsiyonlarının görülme oranı ve alt üçüncü molarların komşu lingual kemikle ilişkisinin incelenmesi

    Investigation on frequency of external root resorption and distal caries that caused by third molars in second molars and mandibular third molars in relationship with lingual adjacent bone

    AYSUN ATASOY SINDIRAÇ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2019

    Diş HekimliğiKaradeniz Teknik Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    PROF. DR. SAADETTİN KAYIPMAZ

  2. Tez No

    749009

    Konik ışınlı bilgisayarlı tomografi kullanılarak mandibular arka grup dişlerin kök kanal konfigürasyonlarıyla birlikte c-şekilli kanal yapısının simetriğine ve cinsiyete göre analizi

    Symmetrical and gender analysis of C-shaped canal structure with ROOT canal configurations of mandibular posterior TEETH using COME-BEAM computed tomography

    GÖKALP AŞKIN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2022

    Diş HekimliğiSağlık Bilimleri Üniversitesi

    Endodonti Ana Bilim Dalı

    DOÇ. DR. KADRİYE DEMİRKAYA

  3. Tez No

    812278

    Kocaeli Üniversitesi Diş Hekimliği Fakültesine başvuran hastalarda retromolar kanal anatomik yapısı ve görülme sıklığı

    Retromolar canal anatomical structure and prevalence in patients applying to Kocaeli Üniversity Faculty of dentistry

    ŞİYAR MUTLU GÖZEN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiKocaeli Üniversitesi

    Ağız Diş ve Çene Cerrahisi Ana Bilim Dalı

    DOÇ. DR. HATİCE HOŞGÖR

  4. Tez No

    686706

    Konik ışınlı bilgisayarlı tomografi görüntüleme ile alt premolar dişlerin kanal varyasyonlarının ve morfometrik yapılarının incelenmesi

    Investigation of canal variations and morphometric structures of lower premolar teeth with cone-beam computed tomography imaging

    SELİM HAN TÜRER

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiHacettepe Üniversitesi

    Endodonti Ana Bilim Dalı

    DOÇ. DR. EMRE ALTUNDAŞAR

  5. Tez No

    706386

    Gömülü üçüncü molar dişlerin pozisyonu ile neden oldukları patolojiler arasındaki ilişkinin konik ışınlı bilgisayarlı tomografi görüntülerinde retrospektif olarak değerlendirilmesi

    Retrospective evaluation of the relationship between the position of impacted third molars and associated pathologies on cone beam computed tomography images

    MELDA PELİN AKKİTAP

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2022

    Diş HekimliğiMarmara Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. BİRSAY GÜMRÜ TARÇIN

Geri Dön