Atlantoodontoid eklemde osteoartrit varlığı ve şiddetinin yapay zeka ile konik ışınlı bilgisayarlı tomografi kesitleri üzerinden değerlendirilmesi
Artificial intelligence assisted assessment of atlanto-odontoid joint osteoarthritis on CBCT images
- Tez No: 996052
- Danışmanlar: DOÇ. DR. ALİ ALTINDAĞ
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Atlanto aksiyal eklem, Konik ışınlı bilgisayarlı tomografi, Osteoartrit, Yapay zeka, Atlanto axial joint, Cone-beam computed tomography, Osteoarthritis, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Ağız, Diş Çene Radyolojisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Atlantoodontoid eklem, atlas ve aksis vertebraları arasında yer alan ve baş-boyun hareketlerinin önemli bir bölümünden sorumlu olan karmaşık bir eklemdir. Bu eklemde gelişen osteoartritik değişiklikler; eklem aralığında daralma, osteofit oluşumu ve subkondral kemik değişiklikleri ile karakterizedir ve klinik olarak çoğu zaman nonspesifik boyun ağrısı ile seyredebilir. İnce morfolojik bulgular nedeniyle atlantoodontoid eklem osteoartritinin radyolojik değerlendirilmesi gözlemciye bağımlı olabilmektedir. Bu çalışmanın amacı, atlantoodontoid eklem osteoartritinin konik ışınlı bilgisayarlı tomografi görüntüleri üzerinden derin öğrenme tabanlı bir yapay zekâ modeli kullanılarak otomatik olarak sınıflandırılabilirliğini araştırmaktır. Retrospektif olarak elde edilen aksiyal ve sagittal konik ışınlı bilgisayarlı tomografi kesitleri ayrı veri setleri hâlinde değerlendirilmiş ve osteoartrit şiddeti dört sınıf altında ele alınmıştır. YOLOv8x-cls mimarisi kullanılarak eğitilen model, aksiyal ve sagittal kesitler için ayrı ayrı değerlendirilmiştir. Aksiyal kesitler üzerinden eğitilen model %82.64 genel doğruluk oranına ulaşırken, sagittal kesitlerde bu oran %70.23 olarak bulunmuştur. Yanlış sınıflandırmaların çoğunlukla komşu osteoartrit evreleri arasında gerçekleştiği saptanmıştır. Kullanılan dört sınıflı evreleme sistemi, dejeneratif değişikliklerin derecesini kademeli olarak yansıtacak şekilde oluşturulmuş olup, modelin farklı osteoartrit şiddetlerini ayırt edebilme yeteneğinin değerlendirilmesine olanak sağlamıştır. Elde edilen bulgular, aksiyal kesitlerin sınıflandırma açısından daha yüksek tanısal performans sunduğunu ve yapay zekâ tabanlı yaklaşımların atlantoodontoid eklem osteoartritinin değerlendirilmesinde klinik karar destek aracı olarak kullanılabileceğini göstermektedir.
Özet (Çeviri)
The atlanto-odontoid joint is a complex articulation between the atlas and axis vertebrae and plays a key role in head and neck mobility. Osteoarthritic changes in this joint are characterized by joint space narrowing, osteophyte formation, and subchondral bone alterations, and may clinically present with nonspecific neck pain. Due to subtle morphological findings, radiological evaluation of atlanto-odontoid joint osteoarthritis can be observer-dependent. This study aimed to assess the feasibility of automatically classifying atlanto-odontoid joint osteoarthritis using a deep learning–based artificial intelligence model on cone-beam computed tomography images. Retrospectively obtained axial and sagittal cone-beam computed tomography slices were analyzed as separate datasets, and osteoarthritis severity was classified into four categories using a YOLOv8x-cls architecture. The model achieved an overall accuracy of 82.64% for axial slices and 70.23% for sagittal slices. Misclassifications mainly occurred between adjacent osteoarthritis stages. These results demonstrate that axial slices provide higher diagnostic performance and suggest that artificial intelligence–based approaches may serve as a supportive clinical decision-making tool in the evaluation of atlanto-odontoid joint osteoarthritis.
Benzer Tezler
- Konik ışınlı bilgisayarlı tomografi görüntüleri üzerinde atlantoodontoid eklemde dejeneratif değişikliklerin retrospektif olarak incelenmesi
Retrospective investigation of degenerative changes on the atlantoodontoid joint on cone beam computed tomography images
RAMAZAN BERKAY PEKER
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiKaradeniz Teknik ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. ÖMER SAİD SEZGİN
- İnflamatuar artritlerde kraniyoservikal bileşke tutulumunun bilgisayarlı tomografi ve manyetik rezonans görüntüleme ile retrospektif incelenmesi
The retrospective study of craniocervical junction involvement in inflammatory arthritis by using computer tomography and magnetic resonance imaging
FATMA YALÇINKAYA
Tıpta Uzmanlık
Türkçe
2021
RomatolojiHacettepe Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. UMUT KALYONCU
- Kraniyoservikal Bileşke'nin radyolojik olarak incelenmesi ve klinik önemi
Radiological examination and clinical importance of the craniocervical junction
MEHMET ÖZERK OKUTAN