Derin öğrenme algoritmaları ile dental implant markalarının otomatik tanımlanması
Automatic identification of dental implant brands with deep learning algorithms
- Tez No: 937093
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖZDE AÇIKGÖZ
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Amaç: Dental implant markasının belirlenememesinden kaynaklanan problemlerin azaltılmasının bir yolu olarak panoramik radyografiler üzerinden çeşitli dental implant markalarının derin öğrenme algoritmalarıyla sınıflandırılması amaçlanmıştır. Yöntem: Toplam 5375 kırpılmış panoramik radyografiden dört farklı dental implant sistemine (NucleOSS, Medentika, Nobel ve Implance) ait görüntüler kullanılmıştır. Görüntüleri netleştirmek ve bulanıklığı azaltmak amacıyla Contrast Limited Adaptive Histogram Equalization (CLAHE) filtresi uygulanmıştır. Dört farklı dental implant sistemini sınıflandırmak için GoogleNet, ResNet-18, VGG16 ve ShuffleNet derin öğrenme algoritmaları kullanılmıştır. Algoritmaların sınıflandırma başarısını değerlendirmek için ROC eğrisi ve hata matrisleri oluşturulmuştur. Bu hata matrisleri üzerinden doğruluk, kesinlik, duyarlılık ve F1 skoru hesaplanmıştır. Performans metriklerinin sonuçlarının algoritmalara göre karşılaştırılmasında Z testi kullanılmıştır. Bulgular: Derin öğrenme algoritmalarının doğruluk oranları GoogleNet oranı %96,00, ResNet-18 oranı %84,40, VGG16 oranı %98,90 ve ShuffleNet oranı %84,80 olarak elde edilmiştir. VGG16 algoritması ile GoogleNet, ShuffleNet ve ResNet-18 algoritmalarının doğruluk oranları arasında istatistiksel olarak anlamlı bir fark vardır (sırasıyla p
Özet (Çeviri)
Objevtive: The aim was to classify various dental implant brands using deep learning algorithms on panoramic radiographs as a way to reduce problems arising from the inability to determine the brand of dental implants. Method: Images from a total of 5375 cropped panoramic radiographs belonging to four different dental implant systems (NucleOSS, Medentika, Nobel, and Implance) were used. To enhance the images and reduce blurriness, the Contrast Limited Adaptive Histogram Equalization (CLAHE) filter was applied. The deep learning algorithms GoogleNet, ResNet-18, VGG16, and ShuffleNet were employed to classify the four different dental implant systems. To evaluate the classification performance of the algorithms, ROC curves and confusion matrices were generated. Based on these confusion matrices, accuracy, precision, recall, and F1 scores were calculated. The Z-test was used to compare the results of the performance metrics across the algorithms. Results: The accuracy rates of the deep learning algorithms were obtained as 96.00% for GoogleNet, 84.40% for ResNet-18, 98.90% for VGG16, and 84.80% for ShuffleNet. There was a statistically significant difference in accuracy between the VGG16 algorithm and the GoogleNet, ShuffleNet, and ResNet-18 algorithms (p
Benzer Tezler
- Panoramik radyografiler kullanılarak dental implant sistemlerinin tanımlanmasında yapay zekanın etkinliği
Effectiveness of artificial intelligence in the identification of dental implant systems using panoramic radiographs
SEFA SÖĞÜTÖZÜ
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiAnkara ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. MİNE CAMBAZOĞLU
- Derin öğrenme yöntemlerini kullanarak X-ray görüntüleri üzerinden farklı implant türlerinin sınıflandırılması
Classification of different implant types from X-ray images using deep learning methods
YILDIZ AYDIN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Konik ışınlı bilgisayarlı tomografi görüntülerinin yapay zekâ ile değerlendirilmesi
Evaluation of cone-beam computed tomography images with artificial intelligence
TUĞBA ARI
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiEskişehir Osmangazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR
- Derin öğrenme yöntemine dayalı yapay zekâ algoritmalarıyla panoramik radyografilerde incelenen sabit protetik restorasyonlar altında oluşan çürüklerin tespiti
Detection of caries formed under fixed prosthetic restorations examined on panoramic radiographs with artificial intelligence algorithms based on DEEP learning method
BETÜL AYHAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKırıkkale ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
PROF. DR. SAADET SAĞLAM ATSÜ
- Konik ışınlı bilgisayarlı tomografi ile tespit edilen mandibular ikinci molarlardaki C şekilli kanalların panoramik radyograflar üzerinde tespit edilme doğruluklarının derin öğrenme yöntemiyle geliştirilmiş yapay zekâ algoritmalarıyla değerlendirilmesi
Evaluation of the accuracy of detecting c-shaped canals in mandibular second molars identified by cone-beam computed tomography on panoramic radiographs using artificial intelligence algorithms developed with deep learning methods
OZAN UYSAL
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiPamukkale ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. HAYATİ MURAT AKGÜL