Panoramik radyografilerde apikal lezyonların segmentasyon ve tespitinde derin öğrenme modellerinin başarı oranlarının incelenmesi
Investigation of success rates of deep learning models in segmentation and detection of apical lesions in panoramic radiographs
- Tez No: 933727
- Danışmanlar: DOÇ. DR. EMRE AYTUĞAR
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Diş hekimliği, panoramik radyografi, apikal lezyon, derin öğrenme, segmentasyon, Dentistry, panoramic radiography, apical lesion, deep learning, segmentation
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 148
Özet
Amaç: Bu çalışma, panoramik radyografilerdeki apikal lezyonların otomatik segmentasyonu ve tespitinde derin öğrenme modellerinin performansını analiz ederek, geleneksel yöntemlerin sınırlılıklarını aşmayı ve tanı–tedavi süreçlerine katkı sağlamayı amaçlamaktadır. Yöntem: Araştırma, İzmir Kâtip Çelebi Üniversitesi Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı bünyesinde gerçekleştirilmiştir. Panoramik radyografilerden oluşturulan veri seti üzerinde, U-Net, LinkNet, PSPNet ve FPN gibi derin öğrenme mimarileri, EfficientNet-B0, ResNet18, ResNet34, ResNet50 ve ResNet152 kodlayıcıları ile birlikte değerlendirilmiştir. Modellerin performansı, Dice skoru, IoU, hassasiyet ve duyarlılık gibi metrikler kullanılarak ölçülmüştür. Bulgular: Elde edilen sonuçlar, EfficientNet-B0 tabanlı modellerin diğer kodlayıcılarla karşılaştırıldığında üstün performans sergilediğini göstermiştir. Özellikle, PSPNet–EfficientNetB0 kombinasyonu, %85,21 Dice skoru ve %74,68 IoU oranı ile en başarılı segmentasyon performansını ortaya koymuştur. Sonuçlar: Bu çalışma, derin öğrenme tabanlı segmentasyon modellerinin panoramik radyografi verilerinde apikal lezyon tespitinde önemli potansiyel sunduğunu ortaya koymuştur. Bu bulgular, yapay zeka uygulamalarının diş hekimliğinde tanı süreçlerini ve tedavi planlamasını geliştirmede etkin bir araç olduğunu göstermekte; aynı zamanda model genelleme kapasitesinin artırılması için çok merkezli ve çeşitli veri setlerine ihtiyaç duyulduğunu vurgulamaktadır.
Özet (Çeviri)
Objective: This study aims to analyze the performance of deep learning models in the automatic segmentation and detection of apical lesions in panoramic radiographs, thereby overcoming the limitations of conventional methods and enhancing diagnostic and treatment processes. Methods: The research was conducted within the Department of Oral, Dental and Maxillofacial Radiology at Izmir Katip Celebi University, Faculty of Dentistry. A dataset derived from panoramic radiographs was used to evaluate deep learning architectures such as U-Net, LinkNet, PSPNet, and FPN in combination with encoders including EfficientNet-B0, ResNet18, ResNet34, ResNet50, and ResNet152. Model performance was assessed using metrics such as Dice score, Intersection over Union (IoU), precision, and recall. Results: The findings indicate that models based on EfficientNet-B0 outperformed other encoder configurations. In particular, the PSPNet–EfficientNetB0 combination achieved the highest segmentation performance, with a Dice score of 85.21% and an IoU of 74.68%. Conclusion: The study demonstrates that deep learning-based segmentation models offer significant potential for detecting apical lesions in panoramic radiographs. These results suggest that the integration of artificial intelligence in dentistry can improve diagnostic accuracy and treatment planning, while also underscoring the need for multicenter studies and diverse datasets to enhance model generalizability.
Benzer Tezler
- Apikal lezyonların ultrasonografi ile muayenesinin etkinliği
Efficiency of examination in apical lesions by ultrasonography
AYŞE NUR GÜMÜŞ
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiKırıkkale ÜniversitesiEndodonti Ana Bilim Dalı
PROF. DR. ALİ ERDEMİR
- Sigara kullanımının apikal periodontitis ve sinüs membran kalınlığına etkisinin farklı görüntüleme teknikleriyle retrospektif olarak incelenmesi
Retrospective investigation of the effect of smoking on apical periodontitis and sinus membrane thickness with different imaging techniques
GÜLŞEN ERMİŞ
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiKırıkkale ÜniversitesiEndodonti Ana Bilim Dalı
PROF. DR. ALİ ERDEMİR
- Yapay zekâ yöntemleri ile kök ucu açıklığının tespit edilmesi
Detection of apical openness using artificial intelligence methods
MERVE DALDAL
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiFırat ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜMEYYE COŞGUN BAYBARS
- Mandibular gömülü üçüncü molar dişler ile mandibular kanal arasındaki ilişkinin dental volümetrik tomografi ile değerlendirilmesi
Evaluation of the relationship between the mandibular impacted third molar and the i̇nferior alveolar canal by using cone beam computed tomografy
MOHAMMAD GHAZİ ALLAN SALAHALDIN
Doktora
Türkçe
2018
Diş Hekimliğiİstanbul ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
YRD. DOÇ. DR. BERKEM ATALAY
- Cameriere yöntemini kullanarak yapılan yaş tayininin üç farklı görüntüleme tekniği ile değerlendirilmesi
Evaluation of age determination using camerere method with three different imaging techniques
KÜBRA NUR ÇAKAN
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiSivas Cumhuriyet ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. DEFNE YALÇIN YELER