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
- Tez No: 939972
- Danışmanlar: DOÇ. DR. AYÇA KURT
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Çocuk diş hekimliği, Demirjian yöntemi, Derin öğrenme, Diş yaşı tahmini, Yapay zekâ, YOLOv8x, Artificial intelligence, Deep learning, Demirjian method, Dental age estimation, Pediatric dentistry, 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: Çocuk Diş Hekimliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin Öğrenme Yöntemi Kullanılarak Geliştirilen Yapay Zekâ Uygulamaları Aracılığıyla Panoramik Radyografiden Diş Yaşının Tespiti ile Demirjian Diş Yaşı Belirleme Yönteminin Kıyaslanması Amaç: Bu çalışmanın amacı, çocuklara ait panoramik radyografilerden Demirjian yöntemiyle etiketlenen diş gelişim evrelerini kullanarak geliştirilen derin öğrenme tabanlı yapay zekâ modelinin diş yaşı tahminindeki performansını değerlendirmek ve bu modelin, aynı yöntemi manuel olarak uygulayan uzman ve araştırma görevlisi ile doğruluk ve güvenilirlik açısından karşılaştırılmasını sağlamaktır. Gereç ve Yöntem: Retrospektif tanımlayıcı tasarıma sahip bu çalışmada, 5–14 yaş aralığındaki çocuklara ait 1910 panoramik radyografi değerlendirilmiştir. Mandibular sol daimi dişler Demirjian yöntemine göre manuel olarak etiketlenmiş ve veriler, YOLOv8x tabanlı CranioCatch yazılımıyla geliştirilen yapay zekâ modeline öğretilmiştir. Modelin segmentasyon, nesne tespiti ve sınıflandırma performansı analiz edilmiş; diş yaşı tahminleri çocuk diş hekimi uzmanı, araştırma görevlisi ve yapay zekâ tarafından hesaplanarak istatistiksel olarak karşılaştırılmıştır. Bulgular: Yapay zekâ modeli, diş gelişim evrelerini sınıflandırmada orta düzeyde bir başarı sergilemiştir. Kadın bireylerde yöntemler arasında anlamlı fark saptanmazken, erkek bireylerde yapay zekâ ve araştırma görevlisi tarafından etiketlenen gelişim evrelerinden hesaplanan diş yaşları, kronolojik yaştan anlamlı biçimde yüksek bulunmuştur (p<0,05). Bununla birlikte, yapay zekâ modeli genel olarak diğer gözlemcilere kıyasla daha yüksek diş yaşı değerleri üretmiştir. Tüm gözlemciler arasında yüksek düzeyde uyum gözlenmiştir (ICC=0,927). Sonuç: Çalışma sonuçlarımıza göre Demirjian yöntemine dayalı yapay zekâ modeli, diş yaşı tahmininde ortalama düzeyde farklılık göstermiş olsa da, yöntemler arasında yüksek düzeyde gözlemci uyumu saptanmıştır. Bu çalışma, derin öğrenme algoritmalarının diş yaşı tahmininde destekleyici bir araç olarak potansiyel taşıdığını, ancak daha ileri boyutlu çalışmalarla model doğruluğunun artırılması ve sınıf bazlı performansın iyileştirilmesi gerektiğini göstermektedir.
Özet (Çeviri)
Comparison of Dental Age Estimation from Panoramic Radiographs Using Deep Learning-Based Artificial Intelligence Applications and the Demirjian Method Aim: The aim of this study is to evaluate the performance of a deep learning-based artificial intelligence (AI) model, developed using tooth development stages labeled according to the Demirjian method on pediatric panoramic radiographs, in estimating dental age. Additionally, the study aims to compare the model's accuracy and reliability with those of expert and researcher observers who applied the same method manually. Materials and Methods: In this retrospective descriptive study, 1,910 panoramic radiographs of children aged 5 to 14 were evaluated. The mandibular left permanent teeth were manually labeled according to the Demirjian method, and the data were used to train an AI model developed with YOLOv8x-based CranioCatch software. The model's performance in segmentation, object detection, and classification was analyzed. Dental age estimations were calculated by a pediatric dentistry specialist, a research assistant, and the AI model, and statistically compared. Results: The AI model demonstrated a moderate level of success in classifying dental development stages. While no significant difference was found between methods in female subjects, the dental ages estimated from the stages labeled by the AI and the researcher were significantly higher than the chronological age in male subjects (p<0,05). Overall, the AI model tended to produce higher dental age values compared to the human observers. A high level of inter-observer agreement was observed among all evaluators (ICC=0,927). Conclusion: According to the results of this study, although the AI model based on the Demirjian method showed an average level of variation in dental age estimation, a high level of inter-observer agreement was found across all methods. This study suggests that deep learning algorithms have potential as supportive tools in dental age estimation; however, further studies are needed to enhance model accuracy and improve class-specific performance.
Benzer Tezler
- Generating a high-definition map (HD MAP) via yolo (you only look once) deep learning-based object detection model
Yolo (you only look once) derin öğrenme tabanli nesne tespit modeli ile yüksek tanimli hari̇ta (HD MAP) oluşturma
YASİN MEMİ
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- 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
KADER BİÇENGİL
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiRecep Tayyip Erdoğan ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
DOÇ. DR. DOÇ.DR.AYÇA KURT
- 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
- 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
- Artificial intelligence applications in microwave and mmwave sensing
Mikrodalga ve milimetre dalga algılamada yapay zeka uygulamaları
MUHAMMED İSMAİL PENÇE
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI