Yapay zeka kullanılarak farklı preparasyon derinliklerindeki diş renginin tahmin edilmesi
Prediction of tooth color at different preparation depths using artificial intelligence
- Tez No: 997767
- Danışmanlar: DR. ÖĞR. ÜYESİ ONUR DOĞAN DAĞ
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Protetik Diş Tedavisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Yapay zekâ algoritmaları ile anterior dişlerde farklı preparasyon derinliklerinde ortaya çıkacak renk değişimlerini henüz preparasyon yapılmadan öngörebilmek Yöntem: Çalışmada çürüksüz, restorasyonsuz ve kanal tedavisi bulunmayan toplam 106 adet üst ve alt anterior diş kullanılmıştır. Dişler vestibül yüzeyinden 0.3, 0.5, 0.7, 1.0 ve 1.5 mm derinlikte prepare edilmiştir. Renk ölçümü Vita Easyshade V spektrofotometresi ile yapılmış; her aşamada L*, a*, b* değerleri kaydedilmiş ve ΔE00 değerleri başlangıç ölçümüne göre hesaplanmıştır. Doğrusal regresyon, polinomsal regresyon, karar ağacı, rastgele orman ve destek vektör regresyonu modelleri ile derinliğe bağlı L*, a*, b* tahminleri denenmiştir. Ayrıca istatistiksel analizlerde derinliklere göre renk değişimleri karşılaştırılmıştır. Bulgular: Preparasyon derinliği arttıkça ΔL ve ΔE değerinde anlamlı artış gözlenmiş. Δb değerleri özellikle üst santral dişlerde diğer diş gruplarına kıyasla anlamlı düzeyde yüksek bulunmuştur. Tüm makine öğrenmesi modellerinin R² değerleri düşük bulunmuş, derinliğin tek başına L*, a*, b* tahmini için yeterli belirleyici olmadığı görülmüştür. Sonuç: Preparasyon derinliği arttıkça dentin etkisi belirginleşmiş; özellikle ΔL ve ΔE değerlerinde anlamlı artış görülmüştür. Minimal aşındırmalarda (0.3–0.5 mm) ΔL değişimi sınırlı kalırken, 0.7–1.5 mm preparasyonlarda ΔL artışı belirginleşmiştir. Δa ve Δb değerleri genel olarak derinlikten bağımsız seyretmiştir. Diş tipleri arasında farklılıklar gözlenmiş; üst santrallerde Δb artışı, kaninlerde ise ΔL ve ΔE artışı daha yüksek bulunmuştur. 0.3 mm preparasyonda bile örneklerin çoğunda ΔE00>0.8 olması, minimal aşındırmanın dahi fark edilebilir renk değişimine yol açtığını göstermiştir. Tüm makine öğrenmesi modellerinin düşük R² üretmesi ise derinliğin tek başına diş rengini öngörmede yetersiz olduğunu ortaya koymuştur.
Özet (Çeviri)
Objective: The aim of this study is to use artificial intelligence algorithms to predict the color changes that will occur at different preparation depths in anterior teeth before any preparation is performed. Method: A total of 106 extracted anterior teeth without caries, restorations, or endodontic treatment were included. The vestibular surfaces were prepared at depths of 0.3, 0.5, 0.7, 1.0, and 1.5 mm. Color measurements were performed with the Vita Easyshade V spectrophotometer, and L*, a*, b* values were recorded at each stage. ΔE00 values were calculated relative to the baseline measurements. Linear regression, polynomial regression, decision tree regression, random forest regression, and support vector regression models were applied to predict L*, a*, b* based on preparation depth. In addition, statistical analyses were conducted to compare color changes across different depths. Results: A significant increase in ΔL and ΔE values was observed as the preparation depth increased. Δb values were significantly higher in maxillary central incisors compared to other tooth groups. All machine learning models produced low R² values, indicating that depth alone was insufficient for predicting L*, a*, and b* values. Conclusion: As preparation depth increased, the influence of dentin became more pronounced, leading to significant increases particularly in ΔL and ΔE. While ΔL changes remained limited at minimal preparation levels (0.3–0.5 mm), a marked increase was observed from 0.7 to 1.5 mm. Δa and Δb values showed no consistent depth-related pattern overall. Tooth-type differences were evident: Δb increase was more pronounced in maxillary central incisors, whereas canine teeth demonstrated higher ΔL and ΔE changes. Even at 0.3 mm preparation, most samples exhibited ΔE00 > 0.8, indicating that minimal preparation can still cause clinically perceptible color changes. The low R² values obtained from all machine learning models suggest that depth alone is insufficient to accurately predict natural tooth color.
Benzer Tezler
- Yapay zeka destekli yazılımlarla tasarlanmış indirekt restorasyonların çok yönlü değerlendirilmesi
Comprehensive assessment of indirect restorations designed by artificial inteligence-powered software systems
NEŞE EZGİ KARAOĞLAN
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiMarmara ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLÇİN BİLGİN GÖÇMEN
- Diş preparasyonunun,intraoral tarayıcılar ve yapay zeka tabanlı programlar tarafından kaydedilen maksimum interkuspal pozisyon doğruluğuna etkisi
Effect of tooth preparation on the accuracy of maximum intercuspal position recorded by intraoral scanners and artificial intelligence-based software
FATIMA ALIZADA
Diş Hekimliği Uzmanlık
Türkçe
2026
Diş HekimliğiNecmettin Erbakan ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. MEHMET ESAD GÜVEN
- Yapay zeka ve CAD/CAM teknolojilerinin kök kanal tedavili molar dişlerin restorasyon seçimlerine etkisi
The effect of artificial intelligence and CAD/CAM technologies on restoration choices for root canal treated molar teeth
ÇAĞATAY GÜL
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiOndokuz Mayıs ÜniversitesiEndodonti Ana Bilim Dalı
DOÇ. DR. İSMAİL UZUN
- Yapay zeka kullanılarak klinik tanının öngörülmesinde biyokimyasal test sonuçlarının rolünün araştırılması
Investigation of the role of biochemical test results in prediction of clinical diagnosis using artificial intelligence
YUSUF YEŞİL
Tıpta Uzmanlık
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. EVİN ADEMOĞLU
DOÇ. DR. ALPAY MEDETALİBEYOĞLU
- Kardiyomiyopati hastalığının kardiyak manyetik rezonans görüntüleme verileri kullanılarak füzyon tabanlı yapay zekâ yaklaşımı ile sınıflandırılması
Classification of cardiomyopathy using fusion-based artificial intelligence approach with cardiac magnetic resonance imaging data
YELİZ ALPER
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriZonguldak Bülent Ecevit ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEREN KAYA