Design of an Efficient Endodontic File Material Utilizing Artificial Intelligence
Etkili endodontik eğe malzemesinin yapay zekâ ile tasarımı
- Tez No: 974521
- Danışmanlar: PROF. DR. DEMİRCAN CANADİNÇ
- Tez Türü: Yüksek Lisans
- Konular: Diş Hekimliği, Makine Mühendisliği, Dentistry, Mechanical Engineering
- Anahtar Kelimeler: Kök kanal tedavisi, Nikel titanyum, Şekil bellekli alaşımlar, Root canal therapy, Nickel titanium, Shape memory alloys
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Nikel-titanyum (NiTi) alaşımları, esneklikleri ve şekil hafızalı özellikleri sayesinde endodontide devrim niteliğinde bir gelişme yaratmıştır. Ancak bu ilerlemeye rağmen, NiTi döner aletlerin klinik başarısını sınırlayan en önemli sorunlardan biri, kanal içinde kırılmalarıdır. Bu kırılmaların en yaygın nedeni, malzemenin döngüsel yorgunluk karşısındaki sınırlı direncidir. Bu çalışmada NiTi döner aletlerin döngüsel yorgunluk dayanımını maksimize edecek ideal NiTi kompozisyonunu belirlemek amacıyla makine öğrenmesinden yararlanılmıştır. Bu amaç doğrultusunda öncelikle, çeşitli ticari endodontik eğelerde yapılan SEM-EDX ve DSC analizleri ile termal ve yapısal özellikler elde edilmiş ve modele girdi olarak dahil edilmiştir. Özellik seçimi için Pearson Korelasyon Katsayısı (PCC) ve Random Forest (RF) temelli önem sıralaması yöntemleri kullanılmış; ardından altı farklı regresyon algoritması (RF, GBDT, SVR, LR, KNN, XGB) eğitilerek performansları R², RMSE ve MAE kriterlerine göre değerlendirilmiştir. Veri setine anormallik tespiti, standardizasyon ve 10 katlı çapraz doğrulama gibi ön işleme adımları uygulanmıştır. Adım adım özellik ekleme stratejisiyle yapılan analizler sonucunda, en yüksek genelleme performansının K-Nearest Neighbors (KNN) ve Support Vector Regression (SVR) modelleriyle elde edildiği görülmüştür. Eğitim/test oranlarının etkisini değerlendirmek amacıyla farklı veri bölme senaryoları test edilmiş ve %90 eğitim / %10 test oranının optimal olduğu belirlenmiştir. En iyi model ile, 48–57 at.% Ni aralığında 0.03 at.% çözünürlükle oluşturulan sentetik NiTi bileşimlerinden elde edilen tahminler doğrultusunda en yüksek NCF değerini veren üç kompozisyon belirlenmiş ve deneysel doğrulama için seçilmiştir. Elde edilen sonuçlar, malzeme tasarımında makine öğrenmesinin etkinliğini göstermekte ve yeni nesil endodontik alet geliştirme sürecine katkı sağlamaktadır.
Özet (Çeviri)
Nickel-titanium (NiTi) alloys have led to a revolutionary development in endodontics due to their flexibility and shape-memory properties. However, despite this advancement, one of the most critical issues limiting the clinical success of NiTi rotary instruments is their fracture within the root canal. The most common cause of these fractures is the material's limited resistance to cyclic fatigue. In this study, machine learning was utilized to determine the ideal NiTi composition that would maximize the cyclic fatigue resistance of NiTi rotary instruments. For this purpose, thermal and structural properties were first obtained through SEM-EDX and DSC analyses conducted on various commercial endodontic files, and these features were included as inputs in the model. Feature selection was performed using Pearson Correlation Coefficient (PCC) and Random Forest (RF) importance-based ranking methods. Subsequently, six different regression algorithms (RF, GBDT, SVR, LR, KNN, XGB) were trained, and their performances were evaluated using R², RMSE, and MAE criteria. Preprocessing steps, including outlier detection, standardization, and 10-fold cross-validation, were applied to the dataset. As a result of analyses conducted using a stepwise feature addition strategy, the highest generalization performance was achieved with the K-Nearest Neighbors (KNN) and Support Vector Regression (SVR) models. To evaluate the effect of training/test ratios, various data splitting scenarios were tested, and a 10% testing ratio was determined to be optimal. Using the best-performing model, synthetic NiTi compositions were generated in the range of 48–57 at.% Ni with a resolution of 0.03 at.%. Based on the predictions, the three compositions with the highest NCF values were identified and selected for experimental validation. The results obtained demonstrate the effectiveness of machine learning in material design and contribute to the development of next-generation endodontic instruments.
Benzer Tezler
- Endodontide kullanılan nikel–titanyum esaslı kullanılmış döner diş eğelerinden metalik değerlerin geri kazanımı
Recovery of metallic values from disposed nickel–titanium rotary endodontic files
MUHAMMED İHSAN ÖZGÜN
Yüksek Lisans
Türkçe
2018
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ERCAN AÇMA
DR. ÖĞR. ÜYESİ YASİN RAMAZAN EKER
- Yeniden kök kanal tedavisinde kullanılan farklı eğe sistemlerinin apikalden debris ekstrüzyonuna etkisinin değerlendirilmesi
Evaluation of the effect of different file systems used in retreatment on apically extruded debris
ZEHRANUR BİLGİN
Diş Hekimliği Uzmanlık
Türkçe
2026
Diş HekimliğiMarmara ÜniversitesiEndodonti Ana Bilim Dalı
PROF. DR. EMRE İRİBOZ
- Dört farklı güncel kök kanal şekillendirme sisteminin döngüsel yorulma ve kesme etkinliği yönünden karşılaştırılması
Comparison of four current root canal shaping systems in terms of cyclic fatigue and cutting efficiency
AHTER ŞANAL ÇIKMAN
Doktora
Türkçe
2016
Diş HekimliğiKaradeniz Teknik ÜniversitesiEndodonti Ana Bilim Dalı
YRD. DOÇ. DR. KADİR TOLGA CEYHANLI
- Döner Ni-Ti kök kanal eğelerinin fiziksel özelliklerinin incelenmesi
Evaluation of physical properties of Ni-Ti rotary instruments
SENEM SAVRANOĞLU
Doktora
Türkçe
2010
Diş HekimliğiEge ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
PROF. DR. BEKİR OĞUZ AKTENER
- Tri-auto ZX ile genişletilip soft-core ile doldurularak hazırlanan kök kanal tedavileri başarılarının in vitro ve in vivo olarak incelenmesi
The evaluation of success of root canal treatments prepared by tri-auto ZX and obturated by soft-core. An in vitro and in vivo study
SENEM GÖKÇEN YİĞİT