Derin Öğrenme Yöntemi kullanılarak karışık dişlenme döneminde alınan periapikal radyografilerde dişlerin numaralandırılması ve dental restorasyonların sınıflandırılması
Numbering of teeth and classification of dental restorations in periapical radiographs taken during the mixed dentition period using Deep Learning Method
- Tez No: 931631
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEHRA GÜNER
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- 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: 87
Özet
Bu çalışmada derin öğrenme tabanlı yapay zeka modelleri ile karışık dişlenme döneminde alınan periapikal radyografiler üzerinden dişlerin doğru numaralandırılması ve farklı türdeki restorasyonların tespit etkinliğinin değerlendirilmesi amaçlanmaktadır. Bu bağlamda karışık dişlenme döneminde periapikal radyografilerdeki dişlerin doğru bir şekilde numaralandırılması ve restorasyonların tespit edilmesi, tedavi planlanması sürecinde kritik öneme sahiptir. Ayrıca derin öğrenme modellerinin kullanımı, erken teşhis sürecini otomatikleştirerek tedavi süreçlerinin hızını ve doğruluğunu iyileştirmektedir. Bu çalışmaya 6-12 yaş aralığında çeşitli tanısal amaçlarla alınmış süt ve daimi dişlerin numaralandırılması amacıyla 1504, restorasyonların otomatik tespit etkinliğinin değerlendirilmesi için 1599 periapikal radyografi dahil edildi. Periapikal radyografiler Gaziantep Üniversitesi Diş Hekimliği Fakültesi Çocuk Diş Hekimliği Anabilim Dalı arşivinden elde edildi. Python programlama dili ve Opencv-Pytorch-Numpy-Pandas-Torch-Vision-Torch, Tensorboard-Seaborn kütüphaneleri ile YOLOv8 modeli kullanıldı. Model performans başarısı, karmaşıklık matrisi kullanılarak değerlendirildi. Dişlerin numaralandırılması için karmaşıklık matrisi kullanarak hesaplanan duyarlılık, kesinlik ve F1-skor değerleri sırasıyla 0,915, 0,979, 0,946 olarak tespit edildi. Restorasyonların tespiti için duyarlılık, kesinlik ve F1-skor değerleri sırasıyla 0,954, 0,871, 0,911 olarak hesaplandı. Sonuç olarak bu çalışma, derin öğrenme tabanlı yapay zeka tabanlı algoritmalarının karışık dişlenme dönemindeki çocuklardan elde edilen periapikal radyografilerde süt ve daimi dişlerin numaralandırılması ve restorasyonların tespitini amaçlayan bu çalışmanın sonuçları umut vaat etmektedir.
Özet (Çeviri)
This study aims to evaluate the accuracy of tooth numbering and the detection efficiency of various restorations on periapical radiographs taken during the mixed dentition period using deep learning-based artificial intelligence models. Accurate tooth numbering and restoration detection on periapical radiographs are critical for effective treatment planning. The use of deep learning models enhances the speed and precision of treatment processes by automating the early diagnosis process. In this study, 1504 periapical radiographs of primary and permanent teeth from children aged 6 to 12 years were included for numbering in various diagnostic procedures, along with 1599 periapical radiographs to assess the effectiveness of automated restoration detection. These radiographs were obtained from the archives of the Department of Pediatric Dentistry, Faculty of Dentistry, Gaziantep University. The Python programming language, along with libraries such as OpenCV, PyTorch, Numpy, Pandas, TorchVision, and TensorBoard, was used with the YOLOv8 model. Model performance was assessed using a confusion matrix, with sensitivity, precision, and F1-score for tooth numbering calculated as 0,915, 0,979, and 0,946, respectively. For restoration detection, the sensitivity, precision, and F1-score were 0,954, 0,871, and 0,911, respectively. The results of this study suggest that deep learning algorithms are effective in accurately numbering teeth and detecting restorations on periapical radiographs of children in the mixed dentition period, demonstrating promising outcomes for clinical applications.
Benzer Tezler
- Derin öğrenme yöntemi ile karışık dişlenme döneminde diş tespiti
Tooth detection with deep learning method in mixed dentition
ESRA ÖZÇELİK ERYILMAZ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiOrdu ÜniversitesiPedodonti Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ŞİMŞEK
- Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamasıyla çocuklardan alınan panoramik radyografilerde çürük dişlerin tespiti
Determination of caries teeth in panoramic radiographs taken from children with artificial intelligence developed by using deep learning method
ESRA AŞÇI
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiAtatürk ÜniversitesiPedodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MÜNEVVER KILIÇ
- Segmentation of colon nuclei images using deep learning
Kalın bağırsak hücre görüntülerinin derin öğrenme kullanılarak bölütlenmesi
ATAKAN ÖZKAN
Yüksek Lisans
İngilizce
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Monocular depth estimation with thermal data
Thermal verilerle monoküler derinlik tahmini
ALİ AKYAR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OSMAN SERDAR GEDİK