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: Belirtilmemiş.
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
- 4-12 yaş grubu çocuklarda diş yaşı, kemik yaşı ve kronolojik yaşın karşılaştırılmasına ilişkin bölgesel bir çalışma
Başlık çevirisi yok
PERUZE ÇELENK
- Sinüs maksillarisin ortopantomografi ile gelişiminin incelenmesi ve ortodontik anomalilerle ilişkisi
Başlık çevirisi yok
HÜSAMETTİN OKTAY
- Doğu Karadeniz konut mimarisinde süsleme üzerine bir inceleme
Başlık çevirisi yok
SUAT İSKENDER
Yüksek Lisans
Türkçe
1987
MimarlıkKaradeniz Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. KUTSAL ÖZTÜRK
- Klasik, barok, rokoko, ampir kalemişi üslubları
Başlık çevirisi yok
KAYA ÜÇER
Yüksek Lisans
Türkçe
1988
Sanat TarihiMimar Sinan Güzel Sanatlar ÜniversitesiYRD. DOÇ. DR. DÜNDAR TAHSİN AYKUTALP
- İstanbul'da II. Abdülhamid dönemi (1876-1908) mimarisi
Başlık çevirisi yok
NEŞE YILDIRAN
Doktora
Türkçe
1989
Sanat TarihiMimar Sinan Güzel Sanatlar ÜniversitesiSanat Tarihi Ana Bilim Dalı
PROF. MUSTAFA CEZAR