Yaş tahmininde yapay zeka ile Cameriere European metodunun etkinliğinin değerlendirilmesi
Evaluation of the effectiveness of the Cameriere European method with artificial intelligence in age estimation
- Tez No: 995661
- Danışmanlar: PROF. DR. HALENUR ALTAN
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Adli Tıp, Diş Hekimliği, Forensic Medicine, Dentistry
- Anahtar Kelimeler: Çocuk diş hekimliği, Pediatric dentistry
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Pedodonti Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Tez çalışmamızın amacı, kronolojik yaş tahmininde yaygın olarak kullanılan Cameriere European yönteminin etkinliğini artırmak amacıyla geliştirilen yapay zekâ tabanlı otomatik ölçümleme sisteminin doğruluğunu değerlendirmek ve yöntemin pratik uygulanabilirliğini incelemektir. Çalışmamızda yapay zekâ, yaşın doğrudan tahmin edilmesi amacıyla değil; Cameriere European yönteminde yaş tahminine girdi sağlayan açık/kapalı apeks ve anatomik landmarkların otomatik ve objektif biçimde tespit edilmesi amacıyla kullanılmıştır. Materyal ve Metot: Çalışmamız, 5–13 yaş aralığındaki kız ve erkek çocuklara ait panoramik radyografilerden elde edilen retrospektif veriler kullanılarak yürütülmüştür. Her yaş grubunda 225 kız ve 225 erkek olacak şekilde toplam 4.050 panoramik görüntü etiketlenmiştir. Dental yaş tahminine yönelik geliştirilen yapay zekâ tabanlı sistemin performansı, YOLOv8x-pose ve YOLOv8x-seg olmak üzere iki ayrı derin öğrenme modeli üzerinden değerlendirilmiştir. Anatomik landmark tespiti için geliştirilen YOLOv8x-pose modeli kapsamında 3.796 panoramik radyografi kullanılırken, kapalı apeks tespiti için geliştirilen YOLOv8x-seg tabanlı segmentasyon modeli 2.971 panoramik radyografi ile eğitilmiştir. Radyografiler, CranioCatch (Eskişehir, Türkiye) yazılımı kullanılarak oluşturulan proje ortamına aktarılmış; her bir görüntü üzerinde ilgili dişlerin seçimi ve diş numaralarının etiketlenmesi gerçekleştirilmiştir. Segmentasyon modeli ile diş yapılarına ait kapalı apeks bölgeleri belirlenirken, pose modeli aracılığıyla Cameriere European yöntemine dayalı açık apeks anatomik landmarklarının otomatik tespiti uygulanmıştır. xvii Bulgular: YOLOv8x-pose modelinin performansı, mAP, duyarlılık ve kesinlik metrikleri ile değerlendirilmiş; mAP_0.5 = 0,963 ve mAP_0.5:0.95 = 0,842 değerleri elde edilmiştir. Modelin duyarlılık ve kesinlik değerleri sırasıyla 0,928 ve 0,918 olarak bulunmuştur. Model tarafından tahmin edilen ve gerçek değerler arasındaki farkı yansıtan hata metrikleri olarak MAE = 0,0032, RMSE = 0,0045 ve SMAPE = %2,09 değerleri hesaplanmış; modelin açıklayıcılık düzeyi R² = 0,9992 olarak belirlenmiştir. R yazılımı kullanılarak gerçekleştirilen istatistiksel analizlerde, tahmin edilen ve gerçek değerler arasındaki ilişkinin Pearson korelasyon katsayısı r = 0,9998 (p < 0,001) ve Spearman korelasyon katsayısı ρ = 0,9928 (p < 0,001) olduğu belirlenmiştir. YOLOv8x-seg tabanlı segmentasyon modelinde ise 1.063 doğru pozitif, 65 yanlış pozitif ve 32 yanlış negatif tespit edilmiş; genel doğruluk = 0,9164, kesinlik = 0,9424, duyarlılık = 0,9708 ve F1 skoru = 0,9564 olarak hesaplanmıştır. Segmentasyon performansı açısından mAP_0.5 = 0,9798 ve mAP_0.5:0.95 = 0,6538 değerleri elde edilmiş; bölgesel örtüşme metrikleri Dice = 0,7375 ve IoU = 0,6438 olarak bulunmuştur. Sonuç: Tez çalışmamız kapsamında, yaş tahminini doğrudan bir yapay zekâ problemi olarak ele almak yerine, Cameriere European yönteminin biyolojik ve morfolojik temelleri korunmuş; yapay zekâ, yaş tahminine girdi sağlayan açık/kapalı apeks ve anatomik landmarkların otomatik ve objektif biçimde tespit edilmesi amacıyla kullanılmıştır. Önerdiğimiz yaklaşım sayesinde, YOLOv8x-seg ve YOLOv8x-pose mimarilerinin birlikte kullanıldığı bütüncül model tasarımı ile yaş tahminine temel oluşturan biyolojik ölçümlerin yüksek hassasiyetle otomatikleştirilebildiği gösterilmiştir.
Özet (Çeviri)
Objective: The aim of this thesis was to evaluate the accuracy and practical applicability of an artificial intelligence–based automated measurement system developed to enhance the effectiveness of the Cameriere European method, which is widely used for chronological age estimation. In this study, artificial intelligence was not employed to directly predict age; instead, it was used to automatically and objectively detect open/closed apices and anatomical landmarks that serve as inputs for age estimation within the Cameriere European framework. Materials and Methods: This study was conducted using retrospective data obtained from panoramic radiographs of male and female children aged 5–13 years. A total of 4,050 panoramic images were annotated, with 225 girls and 225 boys in each age group. The performance of the artificial intelligence–based system developed for dental age estimation was evaluated using two separate deep learning models, namely YOLOv8x-pose and YOLOv8x-seg. For anatomical landmark detection, 3,796 panoramic radiographs were used to train the YOLOv8x-pose model, while 2,971 panoramic radiographs were used to train the YOLOv8x-seg–based segmentation model developed for closed apex detection. All radiographs were imported into a project environment created using CranioCatch software (Eskişehir, Türkiye), where tooth selection and tooth numbering were manually annotated for xix each image. Closed apex regions of dental structures were identified using the segmentation model, whereas open apex anatomical landmarks based on the Cameriere European method were automatically detected using the pose model. Results: The performance of the YOLOv8x-pose model was evaluated using mean Average Precision (mAP), recall, and precision metrics, yielding mAP₀․₅ = 0.963 and mAP₀․₅:₀․₉₅ = 0.842. The recall and precision values were 0.928 and 0.918, respectively. Error metrics reflecting the difference between predicted and ground truth values were calculated as MAE = 0.0032, RMSE = 0.0045, and SMAPE = 2.09%, while the model's explanatory power was determined as R² = 0.9992. Statistical analyses performed using R software demonstrated a very strong relationship between predicted and actual values, with a Pearson correlation coefficient of r = 0.9998 (p < 0.001) and a Spearman correlation coefficient of ρ = 0.9928 (p < 0.001). For the YOLOv8x-seg–based segmentation model, 1,063 true positives, 65 false positives, and 32 false negatives were identified, resulting in an overall accuracy of 0.9164, precision of 0.9424, recall of 0.9708, and an F1 score of 0.9564. In terms of segmentation performance, mAP₀․₅ = 0.9798 and mAP₀․₅:₀․₉₅ = 0.6538 were obtained, while overlap-based metrics were calculated as Dice = 0.7375 and IoU = 0.6438. Conclusion: Rather than addressing age estimation as a direct artificial intelligence prediction problem, this thesis preserved the biological and morphological foundations of the Cameriere European method and utilized artificial intelligence to automatically and objectively detect open/closed apices and anatomical landmarks required for age estimation. The proposed holistic model design, integrating YOLOv8x-seg and YOLOv8x-pose architectures, demonstrated that biologically meaningful measurements underlying age estimation can be automated with high precision and reliability.
Benzer Tezler
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER
- Doğuştan kalça çıkıklı hastalarda kalça patolojilerinin bilgisayarlı tomografi ile değerlendirilmesi
Başlık çevirisi yok
NECDET ŞÜKRÜ ALTUN
- İlkokul çağı erkek çocuklarında inmemiş testis anomalisi ve insidansı
The anomaly and incidence of cryptorchidism in primary school boys
SERDAR SEZGİN
- Adolesan intihar girişimlerinin psiko-sosyal nedenleriyle ilgili araştırma
Başlık çevirisi yok
NAZMİYE YÜKSEL
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
İstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
Yükleniyor...