Lateral sefalometrik analizlerde derin öğrenme tabanlı yapay zeka modellerinin ve manuel yöntemlerin performanslarının karşılaştırılması
Comparison of the performance of deep learning-based artificial intelligence models and manual methods in lateral cephalometric analyses
- Tez No: 991907
- Danışmanlar: DOÇ. DR. MEHMET UĞURLU
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Sefalometrik analiz, Derin öğrenme, Yapay zeka, Cephalometric analysis, Deep learning, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ortodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Yapay zeka (AI), ortodontide sefalometrik tanı süreçlerini geliştirmekte ve hasta değerlendirmelerini daha verimli hale getirmektedir. Bu çalışmanın amacı, bilgisayar destekli dijital sefalometrik analiz gerçekleştiren Dolphin Imaging yazılımı ile yapay zeka destekli tam otomatik sefalometrik analiz yapan CranioCatch yazılımından elde edilen sefalometrik ölçüm sonuçlarını karşılaştırarak değerlendirmektir. Yöntem: Çalışmamıza 571 hastaya ait KIBT görüntü kayıtlarından oluşturulan lateral sefalometrik radyograflar ile dijital lateral sefalometrik radyograflar dahil edilmiştir. Sefalometrik analizler, 17 açısal, 18 doğrusal ve 1 oransal olmak üzere toplam 36 ölçüm kullanılarak gerçekleştirilmiştir. İki yöntem arasındaki farkları analiz etmek amacıyla Independent Sample t-Test ve Mann-Whitney U testi uygulanmış, ayrıca Bland–Altman grafikleri oluşturulmuştur. İstatistiksel anlamlılık düzeyi p <0,05 olarak kabul edilmiştir. Bulgular: Elde edilen sefalometrik ölçüm değerlerinin karşılaştırılması sonucunda FMA, SN/GoGn açısı, gonial açı, artiküler açı, posterior açılar toplamı, yüz ekseni açısı, U1-SN açısı ve interinsizal açı, maksiller uzunluk, maksilla/mandibula farkı, corpus uzunluğu, N-Me, N-ANS, S-Go, S-Ar, ramus yüksekliği, U1 protrüzyon ve Jarabak oranı parametrelerinde istatistiksel olarak anlamlı bir fark bulunmuştur. Bland-Altman grafikleri değerlendirildiğinde FMA, Sn/GoGn açısı, gonial açı, interinsizal açı ve corpus uzunluğu parametrelerinde klinik olarak da anlamlı düzeyde farklılıkların bulunduğu belirlenmiştir. Sonuç: Derin öğrenme tabanlı tam otomatik sefalometrik analizler, klinik olarak kabul edilebilir düzeyde tanısal performans sağlayabilmektedir. Ancak daha yüksek doğrulukta sonuçlar elde edebilmek için ek manuel düzeltmelerin yapılmasına ihtiyaç duyulduğu düşünülmektedir.
Özet (Çeviri)
Aim: Artificial intelligence (AI) enhances cephalometric diagnostic procedures in orthodontics and improves the efficiency of patient evaluations. The aim of this study was to compare and evaluate the cephalometric measurement results obtained from the Dolphin Imaging software, which performs computer-assisted digital cephalometric analysis, and the CranioCatch software, which performs fully automatic cephalometric analysis supported by artificial intelligence. Methods: This study included lateral cephalometric radiographs generated from cone-beam computed tomography (CBCT) records and digital lateral cephalometric radiographs of 571 patients. Cephalometric analyses were performed using a total of 36 measurements, comprising 17 angular, 18 linear, and 1 ratio parameter. To analyze the differences between the two methods, Independent Sample t-Test and Mann–Whitney U tests were applied, and Bland–Altman plots were constructed. The level of statistical significance was set at p < 0.05. Results: Following the comparative analysis of the obtained cephalometric measurement values, statistically significant differences were identified in the following parameters: FMA, SN/GoGn angle, gonial angle, articular angle, sum of posterior angles, facial axis angle, U1–SN angle, interincisal angle, maxillary length, maxilla–mandible difference, corpus length, N–Me, N–ANS, S–Go, S–Ar, ramus height, U1 protrusion, and Jarabak ratio. Furthermore, assessment of the Bland–Altman plots demonstrated that the FMA, SN/GoGn angle, gonial angle, interincisal angle, and corpus length parameters exhibited clinically significant discrepancies between the compared methods. Conclusions: Deep learning-based fully automatic cephalometric analyses can provide clinically acceptable diagnostic accuracy. However, it is considered that additional manual adjustments are required to achieve higher accuracy and more reliable results.
Benzer Tezler
- Sefalometrik ölçümlere göre eğitilen derin öğrenme algoritmalarının ortodontik profil fotoğraflarını sınıflandırma performansının değerlendirilmesi
Orthodontic analysis of deep learning algorithms trained according to cephalometric measurements evaluation of profile photos classification performance
DUYGU NUR CESUR KOCAKAYA
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKocaeli ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİROL ÖZEL
- Sefalometrik ölçümlere göre eğitilen derin öğrenme algoritmalarının ortodontik ağız içi yan fotoğrafları sınıflandırma performansının değerlendirilmesi
Evaluation of the performance of classification of orthodontic intra-oral buccal photos of deep learning algorithms trained according to cephalometric measurements
SULTAN BÜŞRA AY KARTBAK
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKocaeli ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİROL ÖZEL
- Sefalometrik noktaların yapay zeka yöntemleri ile tespiti
Detection of cephalometric landmarks with artificial intelligence methods
BURAK CAN KOÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiMatematik ve Bilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. AHMET FARUK ASLAN
- İskeletsel sınıf I, derin kapanış malokluzyonuna sahip bireylerin sabit tedavi mekanikleri ile tedavisi
Treatment of subjects who have skeletal class I and deepbite malocclusion with fixed orthodontic mechanics
GÖKÇE KILIÇ
- Palatal vida destekli distal jet apareyi ile molar distalizasyonunun dentofasiyal yapılar üzerine etkilerinin incelenmesi
The effects of palatal screw supported distal jet appliance on dentofacial tissues
HASAN TAHSİN ALTAN