Yapay zeka sistemi kullanılarak çocuklardan alınan panoramik ragyografilerde diş tedavilerinin belirlenmesi
Determination of dental treatments in panoramic radiographs taken from children using an artificial intelligence system
- Tez No: 945601
- Danışmanlar: DOÇ. DR. FİRDEVS KAHVECİOĞLU
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Çocuk Diş Hekimliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
Çocuk hastalarda çürük, travmatik yaralanmalar veya gelişimsel anomaliler gibi nedenlerle tedavi gereksinimi oluşabilir. Zamanında müdahale edilmeyen problemler, fonksiyon kayıplarına ve çene, yüz gelişiminde olumsuz sonuçlara yol açabilmektedir. Bu nedenle dişlerin mevcut durumunun doğru tespit edilmesi ve uygun tedavi planlarının belirlenmesi önemlidir. Panoramik radyografiler, çocuk hastalarda tüm diş yapısının genel değerlendirilmesinde sıkça tercih edilen yöntemlerdir. Son yıllarda yapay zekâ tabanlı sistemler, radyografilerde dişlerin tespiti ve tedavisinin belirlenmesi amacıyla geliştirilmiştir. Bu çalışmada, derin öğrenme tabanlı nesne tespiti modeli olan YOLOv8x kullanılarak, panoramik radyografilerde dişlerin dolgu, amputasyon, kanal tedavisi, çekim ve yer tutucu gibi farklı tedavi ihtiyaçlarının otomatik olarak belirlenmesi amaçlanmıştır. Çalışmamızda, 6-10 yaş arası hastalardan alınan 1061 panoramik radyografi kullanılmıştır. Görüntüler üzerinden dolgu, amputasyon, diş çekimi, kanal tedavisi ve yer tutucu olmak üzere beş farklı tedavi ihtiyacını belirleyebilmek amacıyla yapay zekâ algoritması geliştirilmiştir. Derin öğrenme aşamasında YOLOv8x mimarisi kullanılarak dişlerin mevcut durumları tespit edilmiştir. Çalışmada veri etiketleme işlemi, yapay zekâ destekli, web tabanlı bir platform olan CranioCatch yazılımıyla gerçekleştirilmiş ve toplam 8552 etiket elde edilmiştir. Model performansının değerlendirilmesinde kesinlik, duyarlılık ve F1 skoru hesaplanmış; ayrıca ortalama doğruluk oranı olan mAP@50 değeri kullanılmıştır. Elde edilen sonuçlara göre, F1 skoru diş çekiminde %79,9, yer tutucuda %74,2, restoratif dolguda %73,5 ve kanal tedavisinde %70,1 bulunmuştur. Amputasyonda F1 skoru %51,4 ile en düşük değer olarak kaydedilmiştir. Duyarlılık skorları yer tutucuda %86,8, diş çekiminde %82,3, restoratif dolguda %79,7 ve kanal tedavisinde %73,8 bulunmuştur. Amputasyonda duyarlılık skoru %52,9 olarak belirlenmiştir. Kesinlik skorları, diş çekiminde %77,6 restoratif dolguda %68,2, kanal tedavisinde %66,7 ve yer tutucuda %64,7 bulunmuştur. Amputasyon tedavisinde kesinlik değeri %50,0 ile en düşük seviyede kalmıştır. Modelin genel başarısını gösteren mAP@50 değeri %73,2 olarak hesaplanmıştır. Çalışmamızın sonuçlarına göre, YOLOv8x tabanlı derin öğrenme modeli kullanılarak panoramik radyografiler üzerinden dişlerin tedavi ihtiyaçlarının belirlenmesinde başarılı sonuçlar elde edilmiştir. Özellikle diş çekimi, yer tutucu ve restoratif dolgu kategorilerinde modelin yüksek başarı düzeyine ulaştığı görülmüştür. Genel başarıyı gösteren mAP@50 değeri, sistemin tedavi sınıflarını ayırt etme ve doğru tespit etme konusunda güvenilir performans sergilediğini göstermiştir.
Özet (Çeviri)
Dental treatment may be required in pediatric patients due to caries, trauma, or developmental anomalies. If untreated, such problems may lead to functional loss and negatively affect jaw and facial development. Therefore, identifying the dental condition accurately and planning appropriate treatment is important. Panoramic radiographs are often used for overall dental assessment in children. Recently, AI-based systems have been developed to detect teeth and identify treatments from radiographs, and this study aimed to automatically classify different treatment needs—such as filling, pulpotomy, root canal therapy, extraction, and space maintainer—using the YOLOv8x deep learning model. In our study, 1,061 panoramic radiographs from patients aged 6 to 10 were used. An artificial intelligence algorithm was developed to identify five treatment needs: filling, pulpotomy, extraction, root canal treatment, and space maintainer. During deep learning, the YOLOv8x architecture was applied to detect the dental conditions. Data labeling was performed using CranioCatch, a web-based AI-supported software, and 8,552 labels were obtained. The model's performance was evaluated by calculating precision, recall, and F1-score, and mAP@50 was used to indicate overall accuracy. According to the results, the F1 score was 79.9% for extraction, 74.2% for space maintainer, 73.5% for restorative filling, and 70.1% for root canal treatment. The lowest F1 score, 51.4%, was observed in pulpotomy. Recall scores were 86.8%, 82.3%, 79.7%, and 73.8% for space maintainer, extraction, filling, and root canal, respectively. Pulpotomy recall was 52.9%. Precision was 77.6% for extraction, 68.2% for filling, 66.7% for root canal, and 64.7% for space maintainer. Precision for pulpotomy remained the lowest at 50.0%. The overall model performance, measured by mAP@50, was calculated as 73.2%. According to the results of our study, successful outcomes were achieved in determining the dental treatment needs from panoramic radiographs using the YOLOv8x-based deep learning model. The model showed high performance particularly in extraction, space maintainer, and restorative filling categories. The overall mAP@50 value indicated reliable performance in distinguishing and detecting treatment classes.
Benzer Tezler
- Fare testisi mikroskop görüntülerinden yapay zekâ teknikleri ile tübül ve spermatogonyal kök hücre tespiti
Detecting tubules and spermatogonial stem cells in mouse testis micrographs by using artificial intelligence techniques
BURAK KAHVECİ
Yüksek Lisans
Türkçe
2021
BiyomühendislikHacettepe ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. PETEK KORKUSUZ
DR. ÖĞR. ÜYESİ FUAT AKAL
- Yeraltı sularında yüksek florürün dağılımı ve dental florozis için sağlık bilgi sistemlerinde CBS tabanlı karar destek sistemi geliştirilmesi
Distribution of high fluoride in groundwater and development of GIS-based decision support system in health information systems for dental fluorosis
PERİHAN DERİN
Doktora
Türkçe
2024
Çevre MühendisliğiHarran ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET İRFAN YEŞİLNACAR
- Acil servise minor kafa travması ile başvuran çocuk hastalarda PECARN skoru ve acil tıp uzman görüşü kullanarak yapay zeka algoritması ile beyin tomografi çekim endikasyonlarının belirlenmesi
Determination of brain CT indications in children patients applied to the emergency service with minor head trauma using PECARN score and emergency medicine expert opinion with artificial intelligence algorithm
EMRE ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2025
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. HAVVA ŞAHİN KAVAKLI
- An artificial intelligence system that detects infectious diseases in children
Çocuklarda bulaşıcı hastalıkları tespıt eden yapay zeka sistemi
IHAB ABDULRAZZAQ AHMED AHMED
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Yapay zeka teknikleri kullanarak kemik yaşı tespiti
Bone age determination using via artificial intelligence techniques
GÜR EMRE GÜRAKSIN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HARUN UĞUZ