Geri Dön

Sefalometrik radyografilerin analizinde kullanılan yapay zeka tabanlı yöntemin bilgisayar destekli dijital izleme ile karşılaştırılması

Comparison of an artificial intelligence-based method used in the analysis of cephalometric radiographs with computer-aided digital tracing

PDF İndir

  1. Tez No: 977484
  2. Yazar: AYÇA KILIÇ ÇETİNGÜNEY
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MÜCAHİD YILDIRIM
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmanın amacı; yapay zekâ algoritmalarından YOLO11 modeli kullanılarak geliştirilen bir sefalometrik analiz yazılımının sefalometrik landmark tespitindeki doğruluk ile güvenilirliğini değerlendirmek ve yazılımın elde ettiği sefalometrik analiz sonuçlarını, yarı otomatik dijital sefalometrik analiz programı Dolphin ile tam otomatik dijital sefalometrik analiz programı WebCeph'in sonuçlarıyla karşılaştırmalı olarak incelemektir. Çalışmamızda, Necmettin Erbakan Üniversitesi Diş Hekimliği Fakültesi Ortodonti Anabilim Dalı Kliniği'ne 2019–2024 yılları arasında tedavi amacıyla başvuran farklı yaş gruplarındaki kız ve erkek hastalardan tanı ve tedavi amaçlı elde edilen 360 adet lateral sefalometrik radyograf kullanılmıştır. Bu görüntülerin 300'ü yapay zekâ modelinin eğitimi için veri seti olarak, 60'ı ise sefalometrik analiz sonuçlarının karşılaştırılmasında kullanılmıştır. Elde edilen sefalometrik filmler, Dolphin yarı otomatik dijital sefalometrik analiz programı, WebCeph yarı ve tam otomatik dijital sefalometrik analiz programı ile Cephbyte (AI modeli) tam otomatik dijital sefalometrik analiz programı kullanılarak çizilmiştir. Çizimler üzerinde 18 açısal ve 11 doğrusal olmak üzere toplam 29 ölçüm yapılmıştır. Elde edilen verilere göre istatistiksel analizler gerçekleştirilmiştir. YOLO11 modeli, 1200 görüntüden oluşan bir veri setiyle eğitilmiştir. Eğitim sonunda 'loss' değerleri düşük, kesinlik oranı %99.97 ve duyarlılık oranı %100 olarak hesaplanmıştır. mAP değerlerinin 1'e yakın olması, modelin yüksek doğrulukta sonuçlar ürettiğini göstermektedir. YOLO11 modeli, test aşamasında 30 lateral sefalometrik radyografi üzerinde 31 anatomik nokta için değerlendirildiğinde genel olarak yüksek doğruluk sergilemiştir. Yumuşak doku bölgelerinde (özellikle Cm, A', Sn) düşük hata değerleriyle yüksek tespit doğruluğu elde edilirken, mandibular bölgedeki noktalar (özellikle Me ve Go) nispeten daha yüksek hata oranları göstermiştir. AI tabanlı tam otomatik dijital sefalometrik analiz programı ile ana referans olarak alınan Dolphin programı karşılaştırıldığında, toplam 29 ölçümden 14'ünde istatistiksel olarak anlamlı fark saptanmış, ancak bu farkların yalnızca 8'inin klinik olarak anlamlı olduğu belirlenmiştir. Programın 15/29 ölçümde uyumlu sonuçlar verdiği tespit edilmiştir. Ayrıca, AI modeli WebCeph programı ile karşılaştırıldığında, 10 parametre dışında tüm ölçümlerde istatistiksel olarak anlamlı farklar bulunmuştur. WebCeph tam otomatik dijital sefalometrik analiz programı ile Dolphin programı karşılaştırıldığında, toplam 29 ölçümden 17'sinde istatistiksel olarak anlamlı fark saptanmış, ancak bu farkların yalnızca 9'unun klinik olarak anlamlı olduğu belirlenmiştir. Programın 12/29 ölçümde uyumlu sonuçlar verdiği görülmüştür. Araştırmacı müdahalesi sonrasında bazı parametrelerde iyileşme gözlenmiş olsa da, 7 parametrede istatistiksel anlamlılığın devam ettiği tespit edilmiştir. Çalışmamızın sonuçları şu şekildedir: Cephbyte programının (AI modeli) daha ileri düzeyde geliştirilmesi gerekmektedir. Tam otomatik dijital sefalometrik analiz programları, klinisyenlere önemli ölçüde pratiklik sağlamakta ve araştırmacı kaynaklı ölçüm farklılıklarını büyük ölçüde standardize etmektedir. Bununla birlikte, bu programların ortodonti pratiğinde rutin olarak kullanılabilmesi için araştırmacı müdahalesine gereksinim duyulmaktadır.

Özet (Çeviri)

The aim of this study is to evaluate the accuracy and reliability of a cephalometric analysis software developed using the YOLO11 model, one of the artificial intelligence algorithms, in detecting cephalometric landmarks, and to comparatively examine the cephalometric analysis results obtained by this software with those obtained from the semi-automatic digital cephalometric analysis program Dolphin and the fully automatic digital cephalometric analysis program WebCeph. In this study, a total of 360 lateral cephalometric radiographs obtained for diagnostic and treatment purposes from male and female patients of different age groups who applied to the Clinic of the Department of Orthodontics, Faculty of Dentistry, Necmettin Erbakan University between 2019 and 2024 were used. Of these images, 300 were used as a dataset for training the artificial intelligence model, while 60 were used for the comparison of cephalometric analysis results. The obtained cephalometric radiographs were traced using the Dolphin semi-automatic digital cephalometric analysis program, the WebCeph semi- and fully automatic digital cephalometric analysis program, and the Cephbyte (AI model) fully automatic digital cephalometric analysis program. A total of 29 measurements, including 18 angular and 11 linear parameters, were performed on the tracings. Statistical analyses were conducted based on the obtained data. The YOLO11 model was trained using a dataset consisting of 1,200 images. At the end of the training, the loss values were low, with a precision rate of 99.97% and a recall rate of 100%. The mAP values being close to 1 indicated that the model produced highly accurate results. During the testing phase, the YOLO11 model was evaluated on 30 lateral cephalometric radiographs for 31 anatomical landmarks and demonstrated overall high accuracy. While low error values and high detection accuracy were obtained in soft tissue regions (particularly Cm, A', and Sn), the mandibular landmarks (especially Me and Go) showed relatively higher error rates. When the AI-based fully automatic digital cephalometric analysis program was compared with the Dolphin program, which was taken as the main reference, statistically significant differences were found in 14 out of 29 measurements; however, only 8 of these differences were determined to be clinically significant. The program showed consistent results in 15 out of 29 measurements. In addition, when the AI model was compared with the WebCeph program, statistically significant differences were found in all measurements except for 10 parameters. When the fully automatic digital cephalometric analysis program WebCeph was compared with the Dolphin program, statistically significant differences were found in 17 out of 29 measurements, but only 9 of these differences were clinically significant. The program showed consistent results in 12 out of 29 measurements. Although improvements were observed in some parameters after researcher intervention, statistical significance persisted in 7 parameters. The results of our study are as follows: The Cephbyte program (AI model) requires further development. Fully automatic digital cephalometric analysis programs provide significant practicality for clinicians and largely standardize measurement differences arising from researchers. However, researcher intervention is still required for these programs to be routinely used in orthodontic practice.

Benzer Tezler

  1. Tez No

    840986

    Lateral sefalometrik radyografilerde servikal vertebra maturasyonunun derin öğrenme metoduyla değerlendirilmesi

    Evaluation of cervical vertebra maturation in lateral cephalometric radiographies with deep learning method

    TUNAHAN TUNA

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiOrdu Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. YASİN YAŞA

  2. Tez No

    952181

    Yapay zeka yaklaşımı ile sefalometrik filmler üzerinden anatomik referans noktalarının tahmini ve açısal analizi

    Estimation and angular analysis of anatomical reference points on cephalometric films with artificial intelligence approach

    AYŞE BAŞAĞAOĞLU FINDIK

    Doktora

    Türkçe

    Türkçe

    2025

    Mühendislik BilimleriSüleyman Demirel Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLTEKİN ÖZDEMİR

  3. Tez No

    919410

    Sefalometrik radyografilerden makine öğrenmesi yöntemleri kullanarak büyüme evresi tespiti

    Growth stage detection using machine learning methods from cephalometric radiographs

    FAZİLET TÜRKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTarsus Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞULE YÜCELBAŞ

  4. Tez No

    795901

    Farklı zamanlarda alınan lateral sefalometri radyografilerinin yapay zeka yazılımları ile çakıştırılmasının doğruluğunun değerlendirilmesi

    Compatibility of the superimpositions of cephalometric radiographs made by artificial intelligence software

    İBRAHİM BARIŞ PARLAK

    Doktora

    Türkçe

    Türkçe

    2022

    Diş HekimliğiAltınbaş Üniversitesi

    Ortodonti Ana Bilim Dalı

    DOÇ. DR. SEDEN AKAN BAYHAN

  5. Tez No

    837284

    Ortodontik tedavi görmemiş sınıf I ve sınıf III kapanış bozukluğuna sahip hastalarda alt kanin angulasyonunun panoramik radyografi üzerinde saptanması: Bir karşılaştırma çalışması

    Detection of lower canine angulation on panoramic radiography in patients with class I and class III malocclusion who did not receive orthodontic treatment: A comparison study

    MUSTAFA PAŞAHAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiÇukurova Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. MUSTAFA SERDAR TOROĞLU

Geri Dön