Konik ışınlı bilgisayarlı tomografide yapay zeka kullanarak alveolar antral arter segmentasyonu
Alveolar antral artery segmentation using artificial intelligence in cone-beam computed tomography
- Tez No: 1019556
- Danışmanlar: PROF. DR. NİHAT LAÇİN
- Tez Türü: Doktora
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Ağız, Diş ve Çene Cerrahisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, konik ışınlı bilgisayarlı tomografi (KIBT) görüntülerinde alveolar antral arterin (AAA) yapay zeka tabanlı derin öğrenme yöntemleri ile otomatik segmentasyonunun uygulanabilirliğinin değerlendirilmesidir. Ayrıca bu çalışmada, AAA'nın anatomik seyir tipi, dallanma paterni ve bu özelliklerin cinsiyet, yaş ve taraf ile ilişkisi incelenmiştir. Yöntem: Çalışmaya 1 Ocak 2018 – 1 Aralık 2024 tarihleri arasında İzmir Kâtip Çelebi Üniversitesi Diş Hekimliği Fakültesi arşivinden elde edilen 196 bireye ait KIBT görüntüsü dahil edilmiştir. Görüntüler NewTom 5G cihazı ile 15×12 cm FOV aralığında alınmış olup tümünde voksel boyutu 0,200 mm olarak elde edilmiştir. AAA'nın seyir tipi (intraosseöz, intrasinüzal, süperfisiyal) ve dallanma paterni değerlendirilmiştir. 196 bireyden elde edilen KIBT görüntülerinden dahil edilme kriterlerini karşılayan 137 KIBT görüntüsü, eğitim (n=123) ve test (n=14) seti olarak ayrılmıştır. Manuel etiketleme ITK-Snap yazılımı ile gerçekleştirilmiş ve segmentasyon işlemleri nnU-Net (v2) çerçevesinde 3D tam çözünürlük yapılandırması ile yürütülmüştür. Beş farklı eğitim deneyi; PlainConvUNet ve ResidualEncoderUNet mimarileri, Dice+CE ve Tversky kayıp fonksiyonları ve farklı ön plan örnekleme oranları (%33 ve %80) kullanılarak sistematik olarak gerçekleştirilmiştir. İstatistiksel analizlerde Ki-kare, Fisher's exact, Mann-Whitney U, Kruskal-Wallis, Marjinal Homojenlik testi kullanılmıştır. Bulgular: Çalışma grubunun %49,5'i erkek (n=97), %50,5'i kadın (n=99) olup ortalama yaş 46,77 ± 17,21 yıl olarak saptanmıştır. Olguların %18,9'unda (sağ) ve %18,4'ünde (sol) arter seyri saptanamamıştır. Cinsiyet ile seyir tipi (sağ: p= 0,985; sol: p= 0,706) ve dallanma paterni (sağ: p=0,103; sol: p=0,191) arasında istatistiksel olarak anlamlı ilişki bulunmamıştır. Sağ ve sol taraf arasında seyir tipi uyumu %65,3 x olarak hesaplanmış; dallanma sayısında istatistiksel olarak anlamlı bir fark bulunmamıştır (p= 0,596). AAA'nın en sık intraosseöz seyir gösterdiği belirlenmiştir (sağ: %50; sol: %53,6). Derin öğrenme modellerinde tüm yapılandırmalarda ortalama doğrulama Dice benzerlik katsayısı (DSC) yaklaşık %65 düzeyinde plato yapmıştır. En yüksek performans, ön plan örnekleme oranının %80'e yükseltilmesiyle elde edilmiştir (DSC: ~0,650). Mimari değişiklikler ve alternatif kayıp fonksiyonları ek performans artışı sağlamamıştır. Sonuçlar: Bu çalışma, AAA'nın voksel tabanlı derin öğrenme ile otomatik segmentasyonuna yönelik erişilebilen literatürde girişim niteliğindedir. Elde edilen ~%65 DSC değeri, benzer vasküler segmentasyon görevleriyle tutarlı olmakla birlikte, klinik kullanıma hazır düzeyin altındadır. Performans tavanının başlıca nedenleri arasında aşırı sınıf dengesizliği (%0,001–0,01 ön plan oranı), hedef yapının çözünürlük sınırında bulunması (arter çapı <1 mm), sınırlı veri seti boyutu ve anotasyon belirsizliği bulunmaktadır. Gelecek çalışmalarda veri seti boyutunun genişletilmesi, yüksek çözünürlüklü çekim protokollerinin kullanılması ve hibrit tespit-segmentasyon yaklaşımlarının değerlendirilmesi önerilmektedir.
Özet (Çeviri)
Aim: The aim of this study is to evaluate the feasibility of automated segmentation of the alveolar antral artery (AAA) in cone-beam computed tomography (CBCT) images using artificial intelligence-based deep learning methods. Additionally, the anatomical course type and branching pattern of the AAA, as well as their relationships with sex, age, and side, were investigated. Methods: CBCT images of 196 individuals obtained from the archives of İzmir Kâtip Çelebi University Faculty of Dentistry between January 1, 2018 and December 1, 2024 were included in the study. All images were acquired using a NewTom 5G device with a 15×12 cm field of view (FOV) and a voxel size of 0.200 mm. The course type (intraosseous, intrasinusal, superficial) and branching pattern of the AAA were evaluated. Of the 196 CBCT images, 137 that met the inclusion criteria were divided into training (n=123) and test (n=14) sets. Manual annotation was performed using ITK-SNAP software, and segmentation was carried out within the nnU-Net (v2) framework using a 3D full-resolution configuration. Five training experiments were systematically conducted using PlainConvUNet and ResidualEncoderUNet architectures, Dice+CE and Tversky loss functions, and different foreground sampling rates (33% and 80%). Chi-square, Fisher's exact, Mann-Whitney U, Kruskal-Wallis, Marginal Homogeneity tests were used for statistical analyses. Results: The study group consisted of 49.5% males (n=97) and 50.5% females (n=99), with a mean age of 46.77 ± 17.21 years. The arterial course could not be detected in 18.9% (right) and 18.4% (left) of the cases. No statistically significant relationship was found between sex and course type (right: p=0.985; left: p=0.706) or xii branching pattern (right: p=0.103; left: p=0.191). The concordance of course type between the right and left sides was 65.3%; no statistically significant difference was found in the number of branches (p=0.596). The AAA most frequently exhibited an intraosseous course (right: 50%; left: 53.6%). Across all deep learning configurations, the mean validation Dice similarity coefficient (DSC) plateaued at approximately 65%. The highest performance was achieved by increasing the foreground sampling rate to 80% (DSC: ~0.650). Architectural modifications and alternative loss functions did not provide additional performance gains. Conclusion: This study represents the first attempt in the accessed literature to perform automated voxel-based segmentation of the AAA using deep learning. The obtained DSC of approximately 65% is consistent with comparable vascular segmentation tasks; however, it remains below the level required for clinical application. The main factors contributing to the performance ceiling include extreme class imbalance (0.001–0.01% foreground ratio), the target structure being at the resolution limit (arterial diameter <1 mm), limited dataset size, and annotation ambiguity. Future studies are recommended to expand the dataset, utilize high-resolution acquisition protocols, and evaluate hybrid detection-segmentation approaches.
Benzer Tezler
- Hemodiyalize bağımlı kronik böbrek hastalarında gonadotropik hormonlar ile östrojen ve testosteron düzeylerinin araştırılması
Başlık çevirisi yok
HANDAN İLGÜNŞATIROĞLU
Tıpta Uzmanlık
Türkçe
1987
Endokrinoloji ve Metabolizma HastalıklarıCumhuriyet ÜniversitesiFizyoloji Ana Bilim Dalı
DOÇ. DR. SENA ERDAL
- Statik elektrikle yüklenmiş sıvı ilacın pamuk ilaçlamasında etkinliğinin belirlenmesi üzerinde bir araştırma
Başlık çevirisi yok
ALİ BAYAT
Yüksek Lisans
Türkçe
1987
ZiraatÇukurova ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
DOÇ. DR. YUSUF ZEREN
- Travmatik erkek paraplojelere yüksek frekanslı TENS
Başlık çevirisi yok
SEMA ÖZTÜRK
Yüksek Lisans
Türkçe
1986
Ortopedi ve TravmatolojiGazi ÜniversitesiKazalarda Acil Yardım ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. VESİLE SEPİCİ
- Uluslararası Kriminal Polis Örgütü-İnterpol'ün örgütsel yapısı ve işleyişi
Başlık çevirisi yok
SAADETTİN BORA
Yüksek Lisans
Türkçe
1986
Kamu YönetimiGazi ÜniversitesiKamu Yönetimi Ana Bilim Dalı
PROF. DR. HASAN KÖNİ
- Kemalpaşa etlik piliç işletmelerinin teknik ve ekonomik yönden incelenmesi
Başlık çevirisi yok
HAYRİ TUNA YÜKSELEN