Geri Dön

Panoramik radyografide teşhis edilen lezyonların otomatik tanısında yapay zeka programının etkinliği

Effectiveness of an artificial intelligence program in the automatic diagnosis of lesions detected in panoramic radiographs

PDF İndir

  1. Tez No: 939835
  2. Yazar: ZARİF ECE HAMMUDİOĞLU
  3. Danışmanlar: DOÇ. DR. CEREN AKTUNA BELGİN
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Panoramik radyografi, kist, tümör, yapay zeka, YOLOv8, Panoramic radiography, cyst, tumor, artificial intelligence, YOLOv8
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Hatay Mustafa Kemal Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 130

Özet

Giriş ve Amaç: Çalışmanın amacı, yapay zeka modelinin panoramik radyografide teşhis edilen kist, tümör ve benzeri patolojilerin tespitindeki etkinliğini araştırmaktır. Gereç ve Yöntem: Hatay Mustafa Kemal Üniversitesi Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı'na başvuran 10-90 yaş arası 124.800 hastanın panoramik radyografileri ve klinik muayene bulgularının kayıtları retrospektif olarak incelenmiştir. Çalışmaya dahil edilme kriterlerine uyan toplamda 1000 hastaya ait bin üç yüz panoramik radyografi çalışmaya dahil edilmiştir. Panoramik radyografide tespit edilen lezyonlar, 1. lezyon varlığının tespiti, 2. lezyonun histopatolojik tanısının belirlenmesi (ameloblastoma, odontojenik keratokist, radiküler kist, dentigeröz kist, müköz retansiyon kisti, floroid osseöz displazi, odontoma, oral squamöz hücreli karsinom), 3. lezyonun içeriğinin tespiti, 4. lezyondan bağımsız çene bölgesinin lokalizasyonunun belirlenmesi, 5. lezyonun benign/malign tespiti olmak üzere beş başlıkta değerlendirilmiştir. CranioCatch yazılımı (CranioCatch, YOLOv8, Eskişehir-Türkiye) kullanılarak lezyonun sınırları manuel olarak belirlenmiştir. Sonuçlar karışıklık matrisi, kesinlik, duyarlılık ve F1 skoruna göre değerlendirilmiştir. Bulgular: Çalışmada lezyon varlığı tespiti için kesinlik 0,85, duyarlılık 0,80, F1 skoru ise 0,82; lezyonun histopatolojik tanısının tespiti için kesinlik 0,77, duyarlılık 0,86 ve F1 skoru 0,81 olarak bulunmuştur. Histopatolojik tanı için en yüksek genel değerler, müköz retansiyon kisti için 0,88, en düşük değer odontojenik keratokist için 0,52 olarak bulunmuştur. Lezyon içeriğinin tespitinde kesinlik 0,73, duyarlılık 0,72 ve F1 skoru 0,73; çene bölgesi lokalizasyonunun belirlenmesinde kesinlik 0,99, duyarlılık 1, F1 skoru 0,99; benign/malign lezyonların ayrımında ise kesinlik 0,90, duyarlılık 0,74 ve F1 skoru 0,82 olarak bulunmuştur. Sonuç: YOLOv8 algoritması panoramik radyografide görülen lezyonların tespitinde, lezyon içeriklerinin ve tanılarının doğru belirlenmesinde, lezyonların benign/malign ayırımını yapılmasında genel olarak başarılı olurken, çenelerin bölgesel lokalizasyonlarının tespitinde oldukça yüksek bir başarı göstermiştir.

Özet (Çeviri)

Introduction and Aim: The aim of the study is to investigate the effectiveness of an artificial intelligence model in detecting cysts, tumors and similar pathologies diagnosed in panoramic radiography. Material and Method: The panoramic radiographs and clinical examination findings of 124,800 patients aged 10-90 years who applied to Hatay Mustafa Kemal University Faculty of Dentistry, Department of Oral, Dental and Maxillofacial Radiology were retrospectively analyzed. One thousand three hundred panoramic radiographs of a total of 1000 patients who met the inclusion criteria were included in the study. The lesions detected in the panoramic radiographs were analyzed for 1. the presence of a lesion, 2. the histopathologic diagnosis of the lesion (ameloblastoma, odontogenic keratocyst, radicular cyst, dentigerous cyst, mucous retention cyst, fluoroid osseous dysplasia, odontoma, oral squamous cell carcinoma), 3. determination of the content of the lesion, 4. determination of the localization of the jaw region independent of the lesion, 5. benign/malignant determination of the lesion. The boundaries of the lesion were determined manually using CranioCatch software (CranioCatch, YOLOv8, Eskisehir-Turkey). The results were evaluated according to confusion matrix, precision, sensitivity and F1 score. Results: The precision for lesion presence detection was 0.85, sensitivity was 0.80, and the F1 score was 0.82. For the detection of the lesion's histopathological diagnosis, precision was 0.77, sensitivity was 0.86, and the F1 score was 0.81. The highest overall values for histopathological diagnosis were found for mucous retention cysts (0.88), and the lowest for odontogenic keratocyst (0.52). For lesion content detection, precision was 0.73, sensitivity was 0.72, and the F1 score was 0.73. For the localization of the jaw region, precision was 0.99, sensitivity was 1, and the F1 score was 0.99. In the differentiation of benign/malignant lesions, precision was 0.90, sensitivity was 0.74, and the F1 score was 0.82. Conclusion: The YOLOv8 algorithm was generally successful in the detection of lesions seen on panoramic radiographs, accurate determination of lesion contents and diagnoses, benign/malignant differentiation of lesions, and showed a very high success in the detection of regional localization of the jaws.

Benzer Tezler

  1. Tez No

    804064

    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

    Türkçe

    2023

    Diş HekimliğiKırıkkale Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. SAADET SAĞLAM ATSÜ

  2. Tez No

    890020

    Maksillofasial bölgede radyoopak ve radyolusent görüntü veren lezyonlarda yapay zeka modellerinin etkinliğinin panoramik radyografiler üzerinde değerlendirilmesi

    The effectiveness of artificial intelligence models on radiopaque and radiolucent lesions in the maxillofacial region on panoramic radiography

    ZEYNEP TURANLI TOSUN

    Doktora

    Türkçe

    Türkçe

    2024

    Diş HekimliğiAtatürk Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    PROF. DR. MUHAMMED AKİF SÜMBÜLLÜ

  3. Tez No

    663526

    Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamasıyla çocuklardan alınan panoramik radyografilerde çürük dişlerin tespiti

    Determination of caries teeth in panoramic radiographs taken from children with artificial intelligence developed by using deep learning method

    ESRA AŞÇI

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiAtatürk Üniversitesi

    Pedodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MÜNEVVER KILIÇ

  4. Tez No

    654405

    Çocuklarda görülen oral patolojik lezyonların retrospektif olarak değerlendirilmesi

    The retrospective evaluation of oral pathological lesions in children

    AYŞE HANIM KARADEMİR

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2020

    Diş HekimliğiGazi Üniversitesi

    Çocuk Diş Hekimliği Ana Bilim Dalı

    PROF. DR. AYŞEGÜL ÖLMEZ

  5. Tez No

    950434

    Yapay zekâ yöntemleri ile kök ucu açıklığının tespit edilmesi

    Detection of apical openness using artificial intelligence methods

    MERVE DALDAL

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2025

    Diş HekimliğiFırat Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜMEYYE COŞGUN BAYBARS

Geri Dön