Geri Dön

Derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla çocuk hastalarda yapılan dental tedavilerin panoramik görüntüler üzerinde tespiti

Detection of dental treatments performed on paediatric patients using artificial intelligence algorithms developed with deep learning methods on panoramic images

PDF İndir

  1. Tez No: 979219
  2. Yazar: EZGİ GEYLANİ
  3. Danışmanlar: DOÇ. DR. MERVE CANDAN
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Yapay zeka, panoramik radyografi, çocuk diş hekimliği, Artificial intelligence, panoramic radiography, pediatric dentistry
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Pedodonti Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Bu çalışmada, farklı sınıflandırma teknikleri kullanılarak derin öğrenme yöntemiyle geliştirilmiş yapay zeka modellerinin, panoramik radyografilerde bulunan çeşitli dental tedavi türlerini tespit ve sınıflandırılma yetisinin değerlendirilmesi amaçlanmaktadır. Materyal- Metot: Çocuk hastalardan alınan 3001 panoramik radyografiden oluşan veri seti üzerinde restoratif dolgu tedavisi, amputasyon tedavisi, kök kanal tedavisi, paslanmaz çelik kron uygulaması, sabit yer tutucu uygulaması ve braket olmak üzere 6 farklı dental tedavi türü için CranioCatch yazılımı (CranioCatch, Eskişehir- Türkiye) kullanılarak etiketleme yapılmıştır. Etiketlemeler yapıldıktan sonra elde edilen veri seti kullanılarak tek sınıflı ve çok sınıflı sınıflandırma tekniğiyle geliştirilen yapay zeka modellerinin başarı metrikleri hesaplanmıştır. Bulgular: Tek sınıflı ve çok sınıflı sınıflandırma tekniği ile geliştirilen yapay zeka modellerinin ilgili dental tedaviler için AP değerleri sırasıyla; restoratif dolgu tedavisi için 0.842- 0.832, amputasyon tedavisi için 0.782- 0.759, kök kanal tedavisi için 0.748- 0.788, paslanmaz çelik kron uygulaması için 0.967- 0.934, sabit yer tutucu uygulaması için 0.860-0.910, braket uygulaması için ise 0.992- 0.993 olarak bulunmuştur. Tek sınıflı sınıflandırma tekniği ile geliştirilen yapay zeka, özellikle anatomik lokasyon ve morfolojik açıdan benzerlik gösteren sınıflarda daha yüksek başarı performansı göstermiştir. Sonuç: Bu çalışma, farklı sınıflandırma teknikleriyle geliştirilen yapay zeka modellerinin dental tedavi türlerini tespit etmede umut verici performanslar sergilediğini ortaya koymuştur. Özellikle tek bir model içerisinde çok sayıda dental tedavi türünü eş zamanlı olarak değerlendirebilme kapasitesine sahip çok sınıflı teknikle geliştirilen yapay zeka modeli, klinik karar destek sistemlerine entegre edildiğinde, hekimlere zaman ve verimlilik açısından yarar sağladığı gibi daha bütüncül ve kapsayıcı tanısal çerçeve sunma potansiyeline sahiptir.

Özet (Çeviri)

Aim: This study aims to compare the detection and classification capabilities of artificial intelligence models developed using deep learning methods with different classification techniques for various types of dental treatments found in panoramic radiographs. Materials and Methods: A dataset consisting of 3001 panoramic radiographs obtained from paediatric patients was labelled using the CranioCatch software (CranioCatch, Eskişehir, Turkey) for six different types of dental treatment: restorative filling treatment, amputation treatment, root canal treatment, stainless steel crown application, fixed space maintainer application, and braces. After the labelling was completed, the success metrics of artificial intelligence models developed using single- class and multi-class classification methods were calculated using the obtained dataset. Results: The AP values of artificial intelligence models developed using single- class and multi-class classification techniques for the relevant dental treatments are as follows: 0.842-0.832 for restorative filling treatment, 0.782-0.759 for amputation treatment, and 0.748-0. 788 for root canal treatment, 0.967-0.934 for stainless steel crown application, 0.860-0.910 for fixed space maintainer application, and 0.992-0.993 for bracket application. The artificial intelligence developed using the single-class classification technique demonstrated higher success performance, particularly in classes that were similar in terms of anatomical location and morphology. Conclusion: This study has demonstrated that artificial intelligence models developed using different classification techniques show promising performance in identifying types of dental treatment. In particular, the model approach developed using a multi-class technique has the potential to offer a more comprehensive and inclusive diagnostic framework when integrated into clinical decision support systems. This is due to its capacity to simultaneously evaluate multiple types of dental treatment within a single model, offering dentists advantages in terms of time and efficiency.

Benzer Tezler

  1. Tez No

    907582

    Derin öğrenme yöntemiyle geliştirilmiş yapay zekâ algoritmalarıyla panoramik radyografilerde dens invaginatus tespiti

    Detection of dens invaginatus in panoramic radiographs with artificial intelligence algorithms developed with deep learning method

    ESRA NUR AKGÜL

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiAfyonkarahisar Sağlık Bilimleri Üniversitesi

    Çocuk Diş Hekimliği Ana Bilim Dalı

    DOÇ. DR. BURCU GÜÇYETMEZ TOPAL

  2. Tez No

    945247

    Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo

    Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi

    NUSAIBAH KHALID ABDULMAJEED AL-SALIHI

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUS ÇEVİK

    PROF. DR. TURGAY İBRİKÇİ

  3. Tez No

    808041

    Ortodontik fotoğraflar üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla gülümseme estetiğinin değerlendirilmesi

    Evaluation of smile aesthetics with artificial intelligence algorithms developed with deep learning method over orthodontic photographs

    ZEKİ ARSLAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiEskişehir Osmangazi Üniversitesi

    Ortodonti Ana Bilim Dalı

    DOÇ. DR. MEHMET UĞURLU

  4. Tez No

    913821

    Profil görüntüleri üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla yumuşak doku profilinin değerlendirilmesi

    Evaluation of soft tissue profile with artificial intelligence algorithms developed with deep learning method on profile images

    BİRCAN KABUKÇU

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiEskişehir Osmangazi Üniversitesi

    Ortodonti Ana Bilim Dalı

    DOÇ. DR. MEHMET UĞURLU

  5. Tez No

    976174

    Ortodontik cephe fotoğrafları üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla üst dental orta hat sapmasının değerlendirilmesi

    Evaluation of maxillary dental midline deviation using deep learning–based artificial intelligence algorithms on orthodontic frontal photographs

    SERCAN TAŞKIN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2025

    Diş HekimliğiAydın Adnan Menderes Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. MİNE GEÇGELEN CESUR

Geri Dön