Panoramik radyografilerde üçüncü molar dişlerin çekim zorluk indeksinin belirlenmesi için yapay zeka destekli klinik bir asistan tasarımı
Design of an artificial intelligence-supported clinical assistant for determination of extraction difficulty index of third molar teeth in panoramic radiographs
- Tez No: 994048
- Danışmanlar: DOÇ. DR. MUHAMMET ÜSAME ÖZİÇ, PROF. DR. MELEK TAŞSÖKER BULUT
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Biyomedikal mühendisliği, Derin öğrenme, Sayısal görüntü işleme, Yapay zeka, Biomedical engineering, Deep learning, Digital image processing, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gömülü üçüncü molar dişlerin cerrahi çekim öncesinde konumlarının ve oluşabilecek cerrahi zorluklarının doğru değerlendirilmesi, tedavi planlaması ve komplikasyon risklerinin en aza indirilmesi açısından kritik öneme sahiptir. Geleneksel değerlendirme süreçleri uzman deneyimine bağlı olarak hataya sebebiyet vermekle birlikte zaman alıcı olabilmektedir. Bu tezin amacı, panoramik radyografiler üzerinde mandibular üçüncü molar dişleri YOLO11 modeli ile tespit ederek, bu dişleri Pederson zorluk indeksindeki Winter açı sınıflaması, Pell ve Gregory ramus ilişkisi ve derinlik sınıflandırmasına göre otomatik olarak tespit edip bu verilere dayanarak diş çekim zorluk skorunu hesaplayan bütünleşmiş bir karar destek sistemi geliştirmektir. Çalışmada YOLO algoritmasının güncel sürümleri kullanılarak en yüksek doğruluğu sağlayan modeller belirlenmiştir. Necmettin Erbakan Üniversitesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı ile ortak gerçekleştirilen çalışmada etik kurul kararı ile 2000 adet panoramik radyografi kullanılmıştır. Görüntüler uzman radyolog tarafından etiketlenmiştir. Elde edilen veri setinin %80'i eğitim için, %10'u doğrulama ve %10'u test için kullanılarak YOLO11 mimarisinin farklı alt modelleriyle (nano, small, medium, large, extra-large), Winter açısı, Pell ve Gregory tespiti için ayrı ayrı eğitilmiştir. Modellerin performansı kesinlik, duyarlılık, F1-Skoru, mAP metrikleri ve çeşitli grafikler kullanılarak değerlendirilmiştir. YOLO11n modeli, Winter sınıflandırması için %94 kesinlik, %95.5 duyarlılık ve %94.7 F1-Skoru ile %97.5 mAP@50 değerine ulaşmıştır. Aynı model, Pell ve Gregory-Class (I, II, III) tespiti için test aşamasında %92.2 kesinlik, %92.5 duyarlılık, %92.3 F1-Skoru ve %96.5 ortalama mAP@50 değeri elde etmiştir. Pell ve Gregory Level tespiti için kullanılan YOLO11m modeli ise tüm seviyelerde Level (A, B, C) %98.5'in üzerinde mAP@50 değeri elde etmiş olup güçlü bir performans gösterirken %96 kesinlik, %96.6 duyarlılık %96.3 F1-Skoru elde etmiştir. Geliştirilen karar destek sistemi, bu yüksek doğruluklu sınıflandırma çıktılarını başarılı bir şekilde birleştirerek Pederson zorluk indeksini (Az Zor, Orta Zor, Çok Zor) otomatik olarak hesaplayabilmiştir. Sonuç olarak, bu çalışmada önerilen yapay zeka tabanlı yaklaşım, mandibular üçüncü molar dişlerin değerlendirmesini panoramik radyografiler üzerinden otomatikleştirerek cerrahi planlamada klinisyenlere yüksek doğruluklu ve güvenilir bir karar destek sistemi sağlama potansiyeline sahiptir.
Özet (Çeviri)
The accurate assessment of the position and potential surgical challenges of impacted mandibular third molars prior to extraction is critical for effective treatment planning and minimizing complication risks. Traditional evaluation processes, which rely heavily on specialist experience, are prone to human error and can be time-consuming. This thesis aims to develop an integrated decision support system that detects mandibular third molars on panoramic radiographs using the YOLO11 model, automatically classifies them according to Winter's classification, Pell and Gregory ramus relationship, and depth classification within the Pederson difficulty index, and subsequently calculates the surgical extraction difficulty score. In this study, the latest versions of the YOLO algorithm were utilized to identify models providing the highest accuracy. Conducted in collaboration with the Department of Oral and Maxillofacial Radiology at Necmettin Erbakan University, the study utilized 2000 panoramic radiographs approved by the ethics committee. The images were labeled by an expert radiologist. The dataset was divided into 80% for training, 10% for validation, and 10% for testing. Various YOLO11 sub-architectures (nano, small, medium, large, and extra-large) were trained separately for Winter's angle and Pell and Gregory detection. Model performance was evaluated using precision, recall, F1-Score, mAP metrics, and various graphical analyses. The YOLO11n model achieved 94% precision, 95.5% recall, a 94.7% F1-Score, and a 97.5% mAP@50 for Winter's classification. The same model reached 92.2% precision, 92.5% recall, a 92.3% F1-Score, and a 96.5% mAP@50 for Pell and Gregory Class (I, II, III) detection during the testing phase. Furthermore, the YOLO11m model used for Pell and Gregory Level (A, B, C) detection demonstrated robust performance with an mAP@50 exceeding 98.5% across all levels, achieving 96% precision, 96.6% recall, and a 96.3% F1-Score. The developed decision support system successfully integrated these high-accuracy classification outputs to automatically calculate the Pederson difficulty index (Slightly Difficult, Moderately Difficult, Very Difficult). In conclusion, the AI-based approach proposed in this study has the potential to provide clinicians with a highly accurate and reliable decision support system for surgical planning by automating the evaluation of mandibular third molars via panoramic radiographs.
Benzer Tezler
- Mandibular üçüncü molarların çekim zorluğunun açıklanabilir derin öğrenme teknikleri ile tahmini
Prediction of the extraction difficulty of mandibular third molars using explainable deep learning techniques
İSMAİL KAYADİBİ
- 4-12 yaş grubu çocuklarda diş yaşı, kemik yaşı ve kronolojik yaşın karşılaştırılmasına ilişkin bölgesel bir çalışma
Başlık çevirisi yok
PERUZE ÇELENK
- Sinüs maksillarisin ortopantomografi ile gelişiminin incelenmesi ve ortodontik anomalilerle ilişkisi
Başlık çevirisi yok
HÜSAMETTİN OKTAY
