Süt ve daimi dişlerde arayüz çürüklerinin teşhisinde yapay zekânın etkinliğinin değerlendirilmesi
The evaluation of the efficiency of artificial intelligence in approximal caries detection in primary and permanent teeth
- Tez No: 952547
- Danışmanlar: DOÇ. DR. AKİF DEMİREL
- Tez Türü: Doktora
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Pedodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Bu tez çalışması, derin öğrenme tabanlı Yolov5x mimarisini kullanarak hem süt hem de daimi dişlere ait bitewing radyografilerde bulunan arayüz çürüklerini otomatik olarak saptayan bir model geliştirmeyi ve modelin tanısal performansını ayrıntılı metriklerle değerlendirmeyi amaçlamaktadır. Çalışma retrospektif tasarlanmış ve CLAIM 2024 kontrol listesi rehberliğinde yürütülmüştür. Çalışmada 1000'er adet süt ve daimi diş bitewing radyografisi Craniocatch etiketleme modülünde poligonal segmentasyonla işaretlenmiş, toplam 5704 çürük lezyon anotasyonu elde edilmiştir. Görüntüler %80 eğitim, %10 doğrulama, %10 test olacak şekilde ayrılmış, Yolov5x modeli PyTorch ortamında eğitilmiştir. Performans; kesinlik, duyarlılık, F1 skoru ve ROC AUC gibi ölçütlerle hem grup bazında hem de genel olarak raporlanmıştır. Elde edilen bulgulara göre, süt dişi radyografilerine ait test setinde modelin kesinlik değeri 0,80; duyarlılığı 0,78; F1 skoru 0,79 ve AUC değeri 0,87 olarak hesaplanmıştır. Daimi diş grubunda ise kesinlik 0,78; duyarlılık 0,75; F1 skoru 0,76 ve AUC değeri 0,88 olarak bulgulanmıştır. Süt dişlerinde duyarlılığın hafifçe yüksek seyretmesi, daha belirgin kontrast farkı ve lezyon morfolojisine bağlanmış olup, fark klinik olarak minimal düzeydedir. Test verilerindeki 518 etiketin konfüzyon matrisleri, yanlış pozitif ve negatif oranlarının kabul edilebilir düzeyde olduğunu göstermiştir. Ayrıca, güven skoru eşiklerinin optimize edilmesi, uygulamada yanlış karar riskini daha da azaltabilecektir. Yolov5x temelli model, süt ve daimi dişlerde arayüz çürüklerini gerçek zamanlı, piksel düzeyinde ve yüksek doğrulukla saptayarak literatürde bildirilen benzer çalışmalarla karşılaştırılabilir seviyede performans sunmuştur. Böylece çocuk hastalarda tarama, tedavi planlaması ve ikinci görüş amaçlı klinik karar destek sistemi olarak kullanılma potansiyeli taşıyabileceği düşünülmektedir. Ancak, tek merkezli araştırma tasarımı ve yalnızca radyografik görüntülere dayalı eğitim süreci genellenebilirliği sınırlayabileceği için, gelecekte çok merkezli, yaşa göre dengelenmiş ve multimodal veri içeren dış doğrulamalı çalışmalar yapılması önerilmektedir. Modelin küçük lezyon tespitini iyileştirmek amacıyla farklı segmentasyon mimarileriyle karşılaştırmalı araştırmalar ve gerçek zamanlı klinik entegrasyona odaklanan yazılım geliştirmeleri de potansiyel geliştirme alanlarıdır. Bu tez çalışmasının dahilinde elde edilen bulgular ve çıkarımlar, yapay zekâ destekli radyografik tanı sistemlerinin çocuk diş hekimliği pratiğinde erken çürük teşhis sürecini hızlandırarak tedavi maliyetlerini azaltma ve sağkalımı artırma yönünde önemli bir adım sergilediğini göstermektedir.
Özet (Çeviri)
This thesis aims to develop a model that automatically detects interproximal caries in bitewing radiographs of both primary and permanent teeth using the deep learning-based Yolov5x architecture, and to evaluate the model's diagnostic performance using detailed metrics. The study was designed retrospectively and conducted in accordance with the CLAIM 2024 checklist. In this study, 1000 bitewing radiographs of primary and permanent teeth were annotated with polygonal segmentation in Craniocatch labeling module, resulting in a total of 5704 caries lesion annotations. The images were divided into 80% training, 10% validation, and 10% test sets, and Yolov5x model was trained in PyTorch. Performance was reported both group-wise and overall using metrics such as precision, sensitivity, F1 score and ROC-AUC. According to obtained results, precision of the model in the test set of primary tooth radiographs was calculated as 0.80; sensitivity as 0.78; F1 score as 0.79 and AUC value as 0.87. In the permanent tooth group, precision was 0.78; sensitivity 0.75; F1 score 0.76 and AUC value 0.88. The slightly higher sensitivity in primary teeth was attributed to more pronounced contrast differences and lesion morphology, with the difference being clinically minimal. The confusion matrices of the 518 labels in the test data showed that the false positive and false negative rates were at acceptable levels. Additionally, optimizing confidence score thresholds could further reduce the risk of incorrect decisions in practice. Yolov5x-based model detected interproximal caries in primary and permanent teeth in real time, at the pixel level, and with high accuracy, demonstrating performance comparable to similar studies reported in the literature. Thus, it is considered that the model has the potential to be used as a clinical decision support system for screening, treatment planning, and second opinions in pediatric patients. However, the single-center study design and the training process based solely on radiographic images may limit generalizability, so future studies with multi-center, age-balanced, and multimodal data-inclusive external validation are recommended. Comparative studies with different segmentation architectures to improve small lesion detection and software developments focused on real-time clinical integration are also potential areas for further development. The findings and conclusions obtained within this thesis demonstrate that artificial intelligence-supported radiographic diagnosis systems represent an important step toward accelerating the early caries diagnosis process in pediatric dentistry practice, thereby reducing treatment costs and improving survival rates.
Benzer Tezler
- Türkiye'deki diş hekimlerinin süt ve genç daimi dişlerdeki restorasyon eşiklerinin ve restoratif materyal seçimlerinin değerlendirilmesi
Evaluation of restoration thresholds and restorative material selections in primary and young permanent teeth of dentists in turkey
HANDAN VURAL
Diş Hekimliği Uzmanlık
İngilizce
2022
Diş Hekimliğiİnönü ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SACİDE DUMAN
- Süt dişlerinde farklı restoratif materyallerin klinik başarısı
Clinical success of different restorative materials in primary teeth
MERVE GÖK BABA
Diş Hekimliği Uzmanlık
Türkçe
2019
Diş HekimliğiSüleyman Demirel ÜniversitesiPedodonti Ana Bilim Dalı
PROF. DR. ZUHAL KIRZIOĞLU
- Yeni jenerasyon cam iyonomer siman equia fil'in süt dişlerinde klinik olarak değerlendirilmesi
Clinical evaluation of new generation glass ionomer cement equia fil in primary teeth
ZELİHA HATİPOĞLU
- Çocuklarda Carisolv'ün etkinliğinin in vivo yöntemle değerlendirilmesi ve dentinde oluşturduğu yüzey değişikliklerinin incelenerek bağlanma üzerindeki etkisinin araştırılması
In vivo evaluation of Carisolv in children and its effects on microstructure and micro-shear bond strengths of primary and permanent dentin
DİLEK TÜFEKCİOĞLU
- Süt ve daimi dişlerde kullanılan dentin adezivlerin universal özelliklerinin mikrosızıntı açısından değerlendirilmesi
The evaluation of universal properties of dental adhesive systems in terms of microleakage in primary and permanent teeth
İREM DEMİR