Geri Dön

Konik ışınlı bilgisayarlı tomografi görüntülerinde ilaca bağlı çene osteonekrozu'nun yapay zeka ile tespiti

Detection of medication related osteonecrosis of the jaw in cone-beam computed tomography images with artificial intelligence

PDF İndir

  1. Tez No: 977192
  2. Yazar: ALP PINARBAŞI
  3. Danışmanlar: DOÇ. DR. MERYEM ETÖZ
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: derin öğrenme, nnU-Net v2, osteonekroz, yapay zeka, Artificial intelligence, deep learning, nnU-Net v2, osteonecrosis
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Erciyes 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: Belirtilmemiş.

Özet

İlaca bağlı çene osteonekrozu (MRONJ), çeşitli nedenlerle antirezorptif veya antianjiojenik ilaç kullanan hastalarda çene kemiklerinde diş enfeksiyonları, periodontal hastalıklar, cerrahi işlemler veya travma gibi durumlar sonrası ortaya çıkabilen çene kemiklerinde kemik ölümüne sebep olabilen ciddi bir patolojidir. Günümüzde yapay zeka teknolojileri birçok alanda olduğu gibi tıp ve diş hekimliği alanında da kullanılmaktadır. Bu çalışmanın amacı MRONJ hastalarına ait konik ışınlı bilgisayarlı tomografi (KIBT) görüntüleri kullanılarak nnU-Net v2 tabanlı bir derin öğrenme modelinin lezyonları tespit etme performansını değerlendirmektir. Bu çalışmaya 2015-2024 yılları arasında Erciyes Üniversitesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı'nda MRONJ tanısı kesinleşmiş 52 hastanın KIBT görüntüleri dahil edildi. KIBT görüntüleri NewTom 5G KIBT cihazıyla (FP, Quantitative Radiology, Verona, Italy) alınmıştır. Elde edilen görüntüler NNT (NNT software, version 3.0; NewTom, Verona, Italy) yazılımı ile DICOM (Digital Imaging and Communications in Medicine) formatında dışa aktarıldı. DICOM formatında dışa aktarılan KIBT görüntüleri, 3D Slicer 5.4.0 (http://www.slicer.org) yazılımı kullanılarak etiketlendi. Bütün etiketlenmiş görüntüler NIfTI (Nörogörüntüleme Bilişim Teknolojisi Girişimi) formatında dışa aktarıldı. Modelin eğitimi CranioCatch (CranioCatch, Eskişehir, Türkiye) yazılım firması tarafından yapıldı. Eğitim için Pythorch kütüphanesi kullanılarak geliştirilen nnU-Net v2 3D low resolution konfigürasyonu kullanıldı. Veriler 47 eğitim ve doğrulama (%90) ve 5 test verisi (%10) olmak üzere bölündü. 47 KIBT verisi kullanılarak 1000 Epoch eğitimi yapıldı. Model aksiyal KIBT görüntülerinde tahminleri gerçekleştirdi nnU-Net v2 3D low resolution algoritması MRONJ hastalarına 5 test verisinde tahminler gerçekleştirdi. Algoritma doğruluk, duyarlılık ve kesinlik sonuçları sırasıyla ortalama 0.999, 0.707 ve 0.743 olarak bulundu. Ek olarak zar katsayısı (DC), %95 Hausdorff mesafesi (%95 HD) ve birleşim üzerinde kesişim (IoU) değerleri sırasıyla 0.716, 4.045 mm ve 0.569 olarak elde edildi. Bu çalışmada geliştirilen model lezyonların varlığını ve konumlarını tespit etmede başarılı sonuçlar göstermesine karşın lezyonların boyut ve şekillerinin tam olarak belirlemede gelişmeye ihtiyaç duymaktadır.

Özet (Çeviri)

Medication-related osteonecrosis of the jaw (MRONJ) is a serious pathology that can cause bone necrosis in the jaws of patients using antiresorptive or antiangiogenic drugs, often triggered by conditions such as dental infections, periodontal diseases, surgical procedures, or trauma. Today, as in many other fields, artificial intelligence technologies are increasingly used in medicine and dentistry. The aim of this study is to evaluate the performance of a deep learning model based on nnU-Net v2 in detecting MRONJ lesions using cone-beam computed tomography (CBCT) images. This study included CBCT images of 52 patients with a confirmed diagnosis of MRONJ between 2015 and 2024 at the Department of Oral and Maxillofacial Radiology, Erciyes University. CBCT images were acquired with a NewTom 5G CBCT device (FP, Quantitative Radiology, Verona, Italy). The obtained images were exported in DICOM (Digital Imaging and Communications in Medicine) format using NNT software (version 3.0; NewTom, Verona, Italy). The CBCT images in DICOM format were annotated using 3D Slicer 5.4.0 (http://www.slicer.org). All annotated images were then exported in NIfTI (Neuroimaging Informatics Technology Initiative) format. Model training was performed by the software company CranioCatch (CranioCatch, Eskişehir, Türkiye). The training used the nnU-Net v2 3D low resolution configuration developed with the PyTorch library. The dataset was split into 47 training and validation cases (90%) and 5 test cases (10%). A total of 1000 epochs of training were conducted with the 47 CBCT datasets. The model performed predictions on axial CBCT images. The nnU-Net v2 3D low resolution algorithm generated predictions on the 5 test cases of MRONJ patients. The algorithm achieved average accuracy, sensitivity, and precision scores of 0.999, 0.707, and 0.743, respectively. In addition, the Dice coefficient (DC), 95% Hausdorff distance (95% HD), and Intersection over Union (IoU) values were 0.716, 4.045 mm, and 0.569, respectively. In this study, the developed model demonstrated successful results in detecting the presence and location of lesions. However, further improvement is needed for the precise determination of lesion size and shape.

Benzer Tezler

  1. Tez No

    544334

    Bifosfonat grubu ilaç kullanan hastalarda demografik, klinik veriler ve radyolojik bulgular arasındaki ilişkinin retrospektif olarak değerlendirilmesi

    Retrospective evaluation of the relationship between demographic, clinical and radiological findings in the patients using bisphosphonates

    BEGÜM OKUR

    Doktora

    Türkçe

    Türkçe

    2016

    Diş HekimliğiGazi Üniversitesi

    Ağız, Diş ve Çene Cerrahisi Ana Bilim Dalı

    PROF. DR. SEDAT ÇETİNER

  2. Tez No

    828521

    İlaçlara bağlı çene kemiği osteonekrozu hastalarında alveoler kemiğin panoramik radyografi ve konik ışınlı bilgisayarlı tomografi ile kalitatif ve kantitatif değerlendirilmesi

    Qualitative and quantitative evaluation of alveolar bone in patients with medication-related osteonecrosis of the jaws using panoramic radiography and cone-beam computed tomography

    ELİF ASLAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiEge Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    PROF. DR. ERİNÇ ÖNEM

  3. Tez No

    70899

    Radiküler kist ve granülomların dijital histogram analizi ile ayırdedilmesi

    Differention of radicular cyst and granulomas with digital histogram analysis

    ÜLKEM AYDIN

    Doktora

    Türkçe

    Türkçe

    1998

    Diş HekimliğiGazi Üniversitesi

    Diş Hastalıkları ve Tedavisi Ana Bilim Dalı

    PROF. DR. TAYFUN ALAÇAM

  4. Tez No

    702126

    İlaçla ilişkili çene osteonekrozunun panoramik radyografi ve konik ışınlı bilgisayarlı tomografi görüntülerinde fraktal boyut analiz yöntemiyle değerlendirilmesi

    Fractal dimension evaluation of medication related osteonecrosis of jaws in panoramic and CBCT images

    MEHMET EGEMEN AYDEMİR

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiSüleyman Demirel Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    PROF. DR. DERYA YILDIRIM

  5. Tez No

    384375

    Akut pankreatit'te difüzyon MR görüntülemenin yararının değerlendirilmesi ve bulguların klinik ve bilgisayarlı tomografi tetkiki ile korele edilmesi

    Benefits of acute pancreatitis in the diffusion-weighted MR imaging; correlate with clinical evaluation and computer tomography examinations

    ELİDOR AGOLLİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyodiagnostik Ana Bilim Dalı

    DOÇ. DR. BARIŞ BAKIR

Geri Dön