Geri Dön

Yapay zeka temelli ortodontik tedavi planlaması

Artificial intelligence based orthodontic treatment planning

PDF İndir

  1. Tez No: 985792
  2. Yazar: BURCU TİRYAKİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMİN ARGUN ORAL
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Ortodontide kemik yaşının bilinmesi tedavi sürecinin belirlenmesinde önemli bir rol oynamaktadır. Kemik yaşı tespiti için genellikle klasik yöntem olan el-bilek radyografi görüntüleme tekniği kullanılır. Ancak bu yöntem zararlı x-ışınları nedeni ile tehlikelidir. Bu nedenle diş hekimliğinde son dönemlerde alternatif görüntüleme tekniği olarak ultrasonografi cihazı kullanılmaktadır. Çalışmanın ilk aşamasında pubertal büyüme evrelerinin sınıflandırılması için hastalardan alınan ultrasonografik veriler kullanılmıştır. Çalışmanın ikinci aşamasında ise panoramik radyografi görüntüleri üzerinde yer alan implantların sınıflandırılması için derin öğrenme modelleri kullanılmıştır. İmplantlar genel olarak üç parçadan oluşmakta ve her parça markalara göre farklılıklar içermektedir. İmplant tedavisine başlanan hastalarda çeşitli nedenlerle kullanılan implant markasının bilgileri kaybolmakta ve bu nedenle tedavi süreci aksamaktadır. Bu nedenle çalışmanın ikinci aşamasında implant markalarının sınıflandırılması amaçlanmıştır. Çalışmanın son aşamasında ise sefalometrik radyografi görüntüleri üzerinde yer-işaret noktalarının tespiti gerçekleştirilmiştir. Yer-işaret noktaları ortodontide tedavi aşamasında analiz ve ölçümler için kullanılır. Bu işaretlerin tespiti tedavi sürecinde önemli bir etkendir. Yöntem: USG verilerinin sınıflandırılması için transformatör tabanlı hibrit modeller geliştirilmiştir. Bu modeller gri ve düşük kontrastlı USG verilerinde önemli özelliklerin çıkarılmasını sağlamıştır. Panoramik radyografi üzerinden implant markalarının sınıflandırılması için klasik derin öğrenme modelleri kullanılmıştır. Sefalometrik radyografi görüntülerinde yer-işaret noktalarının tespiti için dikkat tabanlı modeller geliştirilmiştir. Bulgular: Birinci aşamada geliştirilen transformatör tabanlı hibrit modeller önemli özelliklerin çıkarılmasını sağlayarak sınıflandırma performansında iyileştirmeler sağlamıştır. İkinci aşamada klasik derin öğrenme modelleri implant markalarının sınıflandırılmasında yüksek performans göstermiştir. Son aşamada ise yer-işaret noktalarının tespiti için geliştirilen dikkat tabanlı modeller hata oranlarının düşmesini sağlamıştır. Sonuç: Ortodontide önemli görüntüleme yöntemleri arasında yer alan ultrasonografi, panoramik radyografi ve sefalometrik radyografi tekniklerinden elde edilen veriler üzerinde yapılan yapay zeka tabanlı analizler, geliştirilen modeller sayesinde daha yüksek performansla gerçekleştirilmiştir.

Özet (Çeviri)

Objective: Determining bone age plays an important role in planning the orthodontic treatment process. Traditionally, bone age assessment is performed using the classical hand-wrist radiographic imaging technique. However, this method is hazardous due to harmful X-rays. Therefore, in recent years, ultrasonography has been used as an alternative imaging technique in dentistry. In the first stage of this study, ultrasonographic data obtained from patients were used to classify pubertal growth stages. In the second stage, deep learning models were applied to classify dental implants visible on panoramic radiographs. Implants generally consist of three components, and each component varies depending on the manufacturer. In many cases, information regarding the implant brand used in patients is lost during treatment, which disrupts the treatment process. For this reason, the second stage of the study aimed to classify implant brands. In the final stage, cephalometric radiographs were used for the detection of anatomical landmarks. These landmarks are essential in orthodontic analysis and measurements during the treatment process, and their accurate detection has a significant impact on treatment planning. Method: Transformer-based hybrid models were developed for the classification of ultrasonographic (USG) data. These models enabled the extraction of significant features from grayscale and low-contrast USG images. Classical deep learning models were employed for implant brand classification on panoramic radiographs. Attention-based models were developed for the detection of landmarks on cephalometric radiographs. Findings: In the first stage, the transformer-based hybrid models enhanced the extraction of important features and improved classification performance. In the second stage, classical deep learning models achieved high performance in implant brand classification. In the final stage, attention-based models reduced error rates in landmark detection. Conclusion: Artificial intelligence-based analyses applied to ultrasonography, panoramic radiography, and cephalometric radiography three important imaging techniques in orthodontics demonstrated improved performance with the developed models.

Benzer Tezler

  1. Tez No

    1014847

    Farklı yapay zeka sohbet robotlarının ortodontik tedavi planı önerilerinin uzmanlık seviyesine göre değerlendirilmesi: Fotoğraflı ve senaryo bazlı vakalar üzerine bir çalışma

    Evaluation of orthodontic treatment plan recommendations from different artificial intelligence chatbots according to varying levels of expertise: A study based on photo-based and scenario-based cases

    CUMA POLAT

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2026

    Diş HekimliğiGaziantep Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. MERVE GÖYMEN

  2. Tez No

    960952

    Semantik bölütleme ve nesne tespiti yöntemleri kullanılarak lateralsefalometrik radyografilerde servikal vertebraların incelenmesiyle kemik yaşı analizi

    Bone age assessment through the analysis of cervical vertebrae in lateral cephalometric radiographs using semantic segmentation and object detection

    MAZHAR KAYAOĞLU

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR

  3. Tez No

    486917

    Yapay zeka temelli fotometrik ölçüm yazılımı geliştirilmesi ve yeni bir yol aydınlatma uygulaması

    An artificial intelligence-based photometric measurement software development and a new road lighting application

    MEHMET KAYAKUŞ

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSMAİL SERKAN ÜNCÜ

  4. Tez No

    656946

    Yapay zeka temelli maksimum güç noktası takibi

    Artificial intelligence based maximum power point tracking

    HALİL İBRAHİM TEMEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    EnerjiBilecik Şeyh Edebali Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA YÜKSEL

  5. Tez No

    728793

    YAPAY ZEKA TEMELLİ ALGORİTMALARIN HELİKOPTER ROTA BULMA PROBLEMİNDE KARŞILAŞTIRMALI ANALİZİ

    COMPARATIVE ANALYSIS OF ARTIFICIAL INTELLIGENCE BASED ALGORITHMS IN THE HELICOPTER ROUTING PROBLEM

    ELENUR BİLGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YILMAZ ATAY

Geri Dön