El-bilek röntgen görüntülerinden maturasyon dönemi tahmini: Bir yapay zekâ yaklaşımı
Determination of maturation stage from hand-wrist X-ray images: An artificial intelligence approach
- Tez No: 932792
- Danışmanlar: DOÇ. DR. ALİ ALTINDAĞ
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Derin Öğrenme, El-Bilek Radyografisi, Yapay Zeka, YOLO, Deep Learning, Hand-Wrist Radiograph, Artificial Intelligence, YOLO
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Ağız, Diş Çene Radyolojisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
El-bilek radyografileri, iskelet maturasyonunun belirlenmesinde önemli bir tanısal araç olup, özellikle ortodontik tedavi planlaması ve pediatrik büyüme değerlendirmelerinde yaygın olarak kullanılmaktadır. Bu çalışma, bireylerin iskeletsel gelişim süreçlerini belirlemek amacıyla prepik, pik ve postpik olmak üzere üç farklı olgunluk evresini derin öğrenme yöntemleriyle sınıflandırmayı hedeflemektedir. Bu doğrultuda, nesne tespiti ve sınıflandırma konusunda yüksek doğruluk oranlarına sahip ileri seviye bir algoritma olan YOLOv8 modeli kullanılarak, el-bilek radyografileri üzerinde otomatik sınıflandırma gerçekleştirilmiştir. Bu amaçla bu çalışmada 3268 adet toplanan el-bilek radyografisi Björk, Grave ve Brown sınıflandırma sistemine göre sırasıyla 1060, 1073, 1135 prepik, pik ve postpik görüntü elde edilmiştir. Görüntüler oral radyologlar tarafından sınıflandırılmıştır. Kullanılan derin ağ mimarisi ile 2668 görüntü eğitim seti için, 300 görüntü test ve 300 görüntü de doğrulama veri seti olarak kullanılmıştır.. Sonuçlar kesinlik, duyarlılık ve F-1 skorunu içeren performans kriterlerine göre değerlendirilmiştir. Modelin kesinlik değerleri postpik sınıfında 1.00, prepik sınıfında 0.95 ve pik sınıfında 0.90 olarak hesaplanmıştır. Postpik sınıfında modelin tahmin ettiği her örnek doğru çıkarken, pik sınıfında yanlış pozitif oranı diğer sınıflara göre biraz daha yüksektir. Duyarlılık değerleri prepik sınıfında 0.96, pik sınıfında 0.95 ve postpik sınıfında 0.94 olarak belirlenmiştir. Model, prepik sınıfında en yüksek duyarlılığa sahip olup, bu sınıfa ait örnekleri en iyi şekilde tespit etmiştir. F1 skoru postpik için 0.97, prepik için 0.95 ve pik için 0.92 olarak hesaplanmıştır. Modelin genel sınıflandırma başarısı yüksek olup, tüm sınıflarda 0.90'ın üzerinde performans göstermiştir.
Özet (Çeviri)
Hand-wrist radiographs are an important diagnostic tool for determining skeletal maturation and are widely used, especially in orthodontic treatment planning and pediatric growth assessment. This study aims to classify individuals' skeletal development stages into three different maturity phases: prepeak, peak, and postpeak, using deep learning methods. Accordingly, an advanced algorithm with high accuracy in object detection and classification, the YOLOv8 model, was employed for the automatic classification of hand-wrist radiographs. For this purpose, a total of 3,268 hand-wrist radiographs were collected in this study, and based on the Björk, Grave and Brown classification system, 1,060 prepeak, 1,073 peak, and 1,135 postpeak images were obtained. The images were classified by oral radiologists. Using the deep neural network architecture, 2,668 images were allocated for the training set, while 300 images were used for the test set and 300 images for the validation set. The results were evaluated based on performance criteria, including precision, recall, and F1-score. The precision values of the model were calculated as 1.00 for the postpeak class, 0.95 for the prepeak class, and 0.90 for the peak class. While every sample predicted in the postpeak class was correct, the false positive rate in the peak class was relatively higher than in other classes. The recall values were determined as 0.96 for the prepeak class, 0.95 for the peak class, and 0.94 for the postpeak class. The model exhibited the highest recall in the prepeak class, indicating its strong ability to identify examples from this category. The F1-score was calculated as 0.97 for the postpeak class, 0.95 for the prepeak class, and 0.92 for the peak class. The model demonstrated high overall classification performance, with all classes achieving an F1-score above 0.90.
Benzer Tezler
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN
- Ege bölgesi keçi liflerinin bazı önemli fiziksel, kimyasal özellikleri ve değerlendirme imkanları
Başlık çevirisi yok
NİLÜFER ERDEM
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLSEREN YAZICIOĞLU