Çocuk hastalarda hipodonti tespitinde iki farklı derin öğrenme algoritmasının karşılaştırılması ve performans analizi
Comparison and performance analysis of two different deep learning algorithms in the diagnosis of hypodontia in pediatric patients
- Tez No: 930815
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEHRA GÜNER
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: derin öğrenme, diş eksikliği, hipodonti, yapay zeka, YOLO, artificial intelligence, deep learning, hypodontia, tooth deficiency, YOLO
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Çocuk Diş Hekimliği Ana Bilim Dalı
- Bilim Dalı: Çocuk Diş Hekimliği Bilim Dalı
- Sayfa Sayısı: 89
Özet
Hipodonti, üçüncü azı dişleri hariç bir ila altı dişin konjenital olarak eksikliği şeklinde tanımlanan ve sık görülen bir dental anomalidir. Kalıcı dişlerde hipodonti, maloklüzyon, alveolar kemiğin yetersiz büyümesi ve estetik sorunlar gibi komplikasyonlara yol açabilir. Bu komplikasyonların büyük bir kısmı, maliyetli ve karmaşık multidisipliner tedaviler gerektirir. Bu nedenle, pediatrik hastalarda diş kaybını yönetmek için doğru teşhis ve zamanında tedavi büyük önem taşımaktadır. Panoramik radyografiler ile radyografik değerlendirme, diş eksikliklerinin erken yaşlarda tespit edilmesine olanak sağlamaktadır. Bu çalışmanın amacı, panoramik radyografiler kullanılarak çocuk hastalarda hipodontinin erken teşhisinde YOLOv5 ve YOLOv8 algoritmalarının performanslarını karşılaştırmaktır. Algoritmaların doğruluk ve verimliliğini değerlendiren çalışma, yapay zeka tabanlı yaklaşımlarla diş eksikliklerinin erken tespitine katkı sağlamayı ve diş hekimliği alanında yapay zekanın teşhis süreçlerine entegrasyonuna temel oluşturmayı hedeflemektedir. Çalışma kapsamında 8-16 yaş aralığındaki hastaların 1060 panoramik görüntüsü ile veri seti oluşturuldu. YOLOv5 ve YOLOv8 derin öğrenme algoritmalarının sınıflandırma performansı değerlendirildi. Model performanslarını değerlendirmek için karmaşıklık matrisi kullanıldı. YOLOv8, %92,45 doğruluk oranıyla YOLOv5'in %62,3 doğruluk oranına kıyasla çok daha başarılı bir performans sergiledi. Sonuç olarak, bu çalışma, yapay zeka tabanlı derin öğrenme yöntemlerinin hipodonti teşhisinde etkili bir destek aracı olabileceğini göstermektedir. Bu teknolojilerin teşhis doğruluğunu artırma, süreçleri hızlandırma ve hekimlerin iş yükünü azaltma potansiyeli vurgulanmaktadır.
Özet (Çeviri)
Hypodontia is a common dental anomaly, defined as the congenital absence of one to six teeth excluding third molars. Hypodontia in permanent teeth can lead to complications such as malocclusion, insufficient growth of alveolar bone, and aesthetic problems. A significant portion of these complications requires costly and complex multidisciplinary treatments. Therefore, accurate diagnosis and timely intervention are crucial for managing tooth loss in pediatric patients. Radiographic evaluation with panoramic radiographs facilitates the early detection of tooth deficiencies at young ages. This study aims to compare the performance of YOLOv5 and YOLOv8 algorithms in the early diagnosis of hypodontia in pediatric patients using panoramic radiographs. By evaluating the accuracy and efficiency of these algorithms, the study aims to contribute to the early detection of tooth deficiencies through artificial intelligence-based approaches and to lay the groundwork for integrating artificial intelligence into diagnostic processes in dentistry. A dataset was created using 1060 panoramic images of patients aged 8 to 16. The classification performance of the YOLOv5 and YOLOv8 deep learning algorithms was evaluated using a confusion matrix to assess model performance. YOLOv8 demonstrated a significantly higher accuracy rate of 92,45% compared to YOLOv5, which achieved an accuracy rate of 62,3%. In conclusion, this study demonstrates that artificial intelligence-based deep learning methods can serve as an effective support tool in diagnosing hypodontia. These technologies can potentially improve diagnostic accuracy, accelerate clinical processes, and reduce the workload of clinicians.
Benzer Tezler
- Adnan Menderes Üniversitesi Diş Hekimliği fakültesine başvuran çocuk hastalarda diş sayı anomalilerinin prevalansının belirlenmesi
Determination of the prevalence of tooth number anomalies in pediatric patients admitted to Adnan Menderes University Faculty of dentistry
ESMA KOCAMAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiAydın Adnan Menderes ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
PROF. DR. IŞIL SÖNMEZ
- İkiz çocuk hastalarda gelişimsel dental anomali görülme sıklığının belirlenmesi
Determination of the prevalence of developmental dental anomalies in twin children
İREM BUDAK
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiSüleyman Demirel ÜniversitesiPedodonti Ana Bilim Dalı
DOÇ. DR. ESRA ÖZ
- Nörofibromatozis tip1 grubu çocuk hastaların ağız bulgularının ve ağız sağlığıyla ilgili yaşam kalitesinin incelenmesi
İnvestigation of oral findings and oral health-related quality of life in children with neurofibromatosis type 1.'
ELİF KABACIOĞLU
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiMarmara ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
PROF. DR. ALİ RECAİ MENTEŞ
PROF. DR. HURİYE NURSEL ELÇİOĞLU
- Büyük azı keser hipomineralizasyonu görülen 8-12 yaş çocuklarda dental anomali sıklığının değerlendirilmesi
The effect of non-surgical periodontal treatment on IL-34, rankl and osteoprotegerin levels in smokers and non-smokers with periodontitis
EMRE AKSOY
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiOndokuz Mayıs ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
PROF. DR. EMİNE ŞEN TUNÇ
- Periferal hipotoni tanılı çocuk hastalarda genetik etiyolojinin yeni nesil dizi analizi yöntemi ile araştırılarak, fenotip-genotip ilişkisinin belirlenmesi
The determination of phenotype-genotype relationships by investigating of genetic etiology with next-generation sequencing method in pediatric patients with peripheral hypotonia
DAMLA EKER
Doktora
Türkçe
2020
GenetikTrakya ÜniversitesiBiyoteknoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. HAKAN GÜRKAN