Derin öğrenme yöntemi kullanılarak geliştirilen yapay zeka uygulamaları aracılığıyla diagnostik doğruluğun tespiti
Determination of diagnostic accuracy through artificial intelligence applications developed using deep learning method
- Tez No: 938211
- Danışmanlar: DOÇ. DR. DOÇ.DR.AYÇA KURT
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Derin öğrenme, Diş çürüğü, Panoramik radyografi, Yapay zeka, YOLOv8x, Artificial intelligence, Deep learning, Dental caries, Panoramic radiography, YOLOv8x
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Recep Tayyip Erdoğan Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Çocuk Diş Hekimliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
Amaç: Bu çalışmada amaç derin öğrenme algoritmasıyla eğitilmiş olan yapay zeka modelinin, panoramik radyografide, 5-12 yaş arası çocukların süt molar dişlerindeki arayüz, bukkal ve oklüzal çürük durumunu değerlendirerek bunu farklı tecrübelere sahip üç diş hekiminin panoramik radyografilerden yaptıkları arayüz, bukkal ve oklüzal çürük teşhisiyle kıyaslamak ve panoramik radyografilerde arayüz, bukkal ve oklüzal çürük tanısındaki performanslarının karşılaştırılmasıdır. Gereç ve Yöntem: Çalışmada, 2018-2024 yılları arasında Recep Tayyip Erdoğan Üniversitesi'nde tedavi gören 5-12 yaş arası çocuklara ait panoramik radyografiler kullanıldı. Süt molar dişlerdeki arayüz, bukkal ve oklüzal çürükler, üç farklı deneyime sahip diş hekimi tarafından CranioCatch etiketleme yazılımı (Eskişehir, Türkiye) ile etiketlendi. Bu etiketlerle YOLOv8x algoritması kullanılarak bir yapay zeka modeli geliştirildi. Ardından, araştırmacıların ve modelin tanı başarısını karşılaştırmak amacıyla 100 röntgen rastgele seçildi ve yeniden etiketlendi. Bu görüntüler için doğru etiketler, 10 yıllık tecrübeye sahip bir çocuk diş hekimi tarafından belirlendi. Bulgular: Mevcut çalışmada, elde edilen yapay zeka modelinin genel çürük tespit başarısı orta düzeyde bulundu. Arayüz çürüklerinde başarı orta, oklüzal çürüklerde zayıf, bukkal çürüklerde ise düşük bulundu. Hem yapay zeka modeli hem de diş hekimleri en iyi performansı arayüz çürüklerinde, en düşük performansı ise bukkal çürüklerde gösterdi. Tecrübeli asistanın tespit başarısı, model ve diğer etiketleyicilere kıyasla daha yüksekti. Sonuç: Çalışmamızda özellikle ara yüz çürükleri ve tecrübeli asistanın gösterdiği başarı dikkat çekmektedir. Elde edilen bulgular, yapay zeka modellerinin tanı sistemlerinin klinik verimliliği ve doğruluğu artırabileceğini göstermekte; bu alanda yapılacak ileri araştırmalar için güçlü bir temel oluşturmaktadır.
Özet (Çeviri)
Aim: This study aims to evaluate the diagnostic performance of an artificial intelligence (AI) model trained with a deep learning algorithm in detecting interproximal, buccal, and occlusal carious lesions in the primary molars of children aged 5 to 12 on panoramic radiographs. The diagnostic results of the AI model were compared with those obtained by three dentists with different levels of clinical experience, based on their assessments of the same panoramic radiographs. Materials and Methods: Panoramic radiographs of children aged 5–12, who received dental treatment at Recep Tayyip Erdoğan University between 2018 and 2024, were retrospectively analyzed. Interproximal, buccal, and occlusal carious lesions in the primary molars were annotated using CranioCatch annotation software (Eskişehir, Türkiye) by three dentists with varying levels of expertise. These labeled datasets were used to train an AI model based on the YOLOv8x algorithm. To compare the diagnostic accuracy of the AI model with the dentists, a set of 100 panoramic radiographs was randomly selected and re-annotated. The ground truth for these images was determined by a pediatric dentist with 10 years of clinical experience. Results: The AI model demonstrated moderate overall performance in caries detection. Specifically, the detection accuracy was moderate for interproximal caries, weak for occlusal caries, and low for buccal caries. Both the AI model and the human examiners achieved the highest performance in detecting interproximal lesions, whereas the poorest results were observed in the identification of buccal caries. Among all evaluators, the experienced dental assistant achieved the highest diagnostic accuracy. Conclusion: Our study highlights the notable success in detecting interproximal caries and the superior performance of the experienced assistant. The findings suggest that AI models can enhance the clinical accuracy and efficiency of diagnostic systems, providing a strong basis for future research in this field.
Benzer Tezler
- Yapay zeka kullanılarak klinik tanının öngörülmesinde biyokimyasal test sonuçlarının rolünün araştırılması
Investigation of the role of biochemical test results in prediction of clinical diagnosis using artificial intelligence
YUSUF YEŞİL
Tıpta Uzmanlık
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. EVİN ADEMOĞLU
DOÇ. DR. ALPAY MEDETALİBEYOĞLU
- Kolesteatomlu ve kolesteatomsuz kronik otitismedia hastalarında bilgisayarlı tomografi (BT) ve manyetik rezonans görüntüleme (MRG) kullanılarak derin öğrenme bazlı yapay zeka desteğiyle değerlendirilmesi ve radyolog bakısıile kıyaslanması
Deep learning-based differentiation of cholesteatoma and non-cholesteatoma chronic otitis media using CT and MRI: Comparison with radiologists' assessments
YEŞİM YENER DEMİRKOPARAN
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık BakanlığıRadyoloji Ana Bilim Dalı
PROF. DR. ZEHRA HİLAL ADIBELLİ
UZMAN AHMET BOZER
- Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters
FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi
GÖZDE ÖZDİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamaları aracılığıyla panoramik radyografiden diş yaşının tespiti ile demirjian diş yaşı belirleme yönteminin kıyaslanması
Comparison of dental age estimation from panoramic radiographs using deep learning-based artificial intelligence applications and the demirjian method
SUDE GÜMÜŞ
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiRecep Tayyip Erdoğan ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
DOÇ. DR. AYÇA KURT
- Fog computing architecture for e-textile applications
E-tekstil uygulamaları için sis bilişim mimarisi
KADİR ÖZLEM
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
DOÇ. DR. ÖZGÜR ATALAY