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: 91
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
- El-bilek röntgen görüntülerinden kemik yaşı tespitinde esnek hesaplama tekniklerinin kullanımı
Using soft computing techniques on radiological bone age assessment from hand and wrist x-ray images
ESRA HASALTIN ÇATALOĞLU
Yüksek Lisans
Türkçe
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ERKAN BEŞDOK
- Yapay zekâ ve görüntü işleme teknikleri kullanarak diş röntgen görüntülerinden kronolojik yaş tayini
Chronicological age determination from dental x-ray images by using artificial intelligence and image processing techniques
EMRE AVUÇLU
Doktora
Türkçe
2019
Adli TıpSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- Karadeniz Teknik Üniversitesi Farabi Hastanesine başvuran 10-19 yaşları arası Türk çocuklarda el ve el bileği röntgen görüntülerinin kemik yaşı tayini açısından gilsanz-ratib dijital atlasıyla karşılaştırılması
Comparison of the hand and the wrist x-ray images of Turkish children aged 10-19 years who apply to Karadeniz Technical University Farabi Hospital with gilsanz-ratib digital atlas in terms of bone age determination
TEVFİK FURKAN PEKŞEN
Tıpta Uzmanlık
Türkçe
2022
Adli TıpKaradeniz Teknik ÜniversitesiAdli Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜVEN SEÇKİN KIRCI
- Sivas Cumhuriyet Üniversitesi hastanesine başvuran yaşları 12-18 arasında değişen bireylerin el ve el bileği röntgen görüntülerinin kemik yaşı tayini açısından gilsanz ratib ve kahn gaskin atlaslarıyla karşılaştırılması
Comparison of hand and wrist x-ray images of individuals aged 12-18 applying to sivas Cumhuriyet University Hospital for bone age assessment using gilsanz-rati̇b and kahn-gaskin atlases
NERMİN MALKOÇOĞLU
Tıpta Uzmanlık
Türkçe
2024
Adli TıpSivas Cumhuriyet ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. FATMA YÜCEL BEYAZTAŞ
- Yapay zeka teknikleri kullanarak kemik yaşı tespiti
Bone age determination using via artificial intelligence techniques
GÜR EMRE GÜRAKSIN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HARUN UĞUZ