Geri Dön

Panoramik radyografilerde tüm gömülü dişlerin ve winter sınıflamasına göre üçüncü molar dişlerin derin öğrenme ile otomatik tespiti ve lokalizasyonu: Klinik kullanım için arayüz tasarımı

Automatic detection and localization of all impacted teeth and third molar teeth according to winter classification in panoramic radiographies with deep learning: Interface design for clinical use

PDF İndir

  1. Tez No: 844087
  2. Yazar: TAHA ZİREK
  3. Danışmanlar: DOÇ. DR. MELEK TAŞSÖKER
  4. Tez Türü: Diş Hekimliği Uzmanlık
  5. Konular: Diş Hekimliği, Dentistry
  6. Anahtar Kelimeler: Azı dişi-üçüncü, Derin öğrenme, Diş-gömülü, Radyografi, Radyografi-dental, Radyografi-panoramik, Sınıflandırma, Molar-third, Deep learning, Tooth-impacted, Radiography, Radiography-dental, Radiography-panoramic, Classification
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Diş Hekimliği Fakültesi
  11. Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
  12. Bilim Dalı: Ağız, Diş Çene Radyolojisi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Dişlerin gömülü olması yaygın görülen bir durumdur ve çenelerin farklı yerlerindeki kapsamları ve dağılımları önemli ölçüde farklılık gösterebilir. Her diş gömülü olabilir ancak en sık gömülü kalan dişler alt üçüncü molar dişlerdir. Gömülü üçüncü molar dişlerin sınıflandırılması, gömülülüğün derecesini tanımamıza ve cerrahi prosedür için en uygun metodolojiyi seçmemize olanak tanır ve böylece komplikasyon riskini azaltır. Nesne algılama özelliği ile ünlü olan YOLO, yaygın olarak kullanılan bir algoritmadır. YOLOv8 algoritması, bu çalışmanın yürütüldüğü tarih itibarıyla YOLO ailesinin en son sürümüdür. Bu çalışmanın amacı, panoramik radyografiler üzerinde gömülü tüm dişleri tespit etmek ve gömülü üçüncü azı dişlerini derin öğrenme temelinde Winter sınıflandırma sistemine göre otomatik olarak sınıflandırmaktır. Bu amaçla bu çalışmada fakülte veri tabanından toplanan panoramik radyografiler augmentasyon yöntemleriyle çoğaltılarak Winter sınıflandırma sistemi için 2000, gömülü dişlerin tespiti için ise 2394 görüntü elde edilmiştir. Görüntüler oral radyologlar tarafından etiketlenmiş ve etiketlerin koordinatları YOLO formatında indirilmiştir. Kullanılan derin ağ mimarisi ile verinin %80'i eğitilmiş, %10'u doğrulanmış ve %10'u model tahminlerinin iyileştirilmesiyle elde edilen eğitim ağırlıkları ile test edilmiştir. Sonuçlar kesinlik, duyarlılık ve F-1 skorunu içeren performans kriterlerine göre değerlendirilmiştir. Winter sınıflandırması test sonuçlarına göre mezioanguler, distoanguler, horizontal, vertikal, bukkolingual ve diğer gömülü diş yönelimlerinin ortalama kesinlik değeri 0.972, ortalama duyarlılık değeri 0.967 ve ortalama F1-skor değeri 0.969 olarak elde edilmiştir. Gömülü dişlerin tespit edildiği test sonuçlarına göre ortalama kesinlik değeri 0.991, ortalama duyarlılık değeri 0.995, ortalama F1-skor değeri 0.995 olarak elde edilmiştir. Gömülü dişlerin 440 adedi doğru, 4 adedi yanlış tespit edilmiş, 2 adedi algoritma tarafından bulunamamıştır. Elde edilen sonuçlara göre YOLOv8 algoritması gömülü dişlerin tespitinde ve üçüncü azı dişlerinin Winter sınıflandırma sistemine göre sınıflandırılmasında başarılı bir performans göstermiştir.

Özet (Çeviri)

Impacted teeth are common and their extent and distribution in different parts of the jaws can vary significantly. Any tooth can be impacted, but the most commonly impacted teeth are the lower third molars. Classification of impacted third molars allows us to recognize the degree of impaction and choose the most appropriate methodology for the surgical procedure, thereby reducing the risk of complications. Famous for its object detection feature, YOLO is a widely used algorithm. The YOLOv8 algorithm is the latest version of the YOLO family as of the date of this study. The aim of this study is to detect all impacted teeth on panoramic radiographs and automatically classify impacted third molars according to the Winter classification system based on deep learning. For this purpose, in this study, panoramic radiographs collected from the faculty database were reproduced with augmentation methods, and 2000 images were obtained for the Winter classification system and 2394 images were obtained for the detection of impacted teeth. Images were labeled by oral radiologists and the coordinates of the labels were downloaded in YOLO format. With the deep network architecture used, 80% of the data was trained, 10% was validated, and 10% was tested with the training weights obtained by improving the model predictions. Results were evaluated according to performance criteria including precision, sensitivity, and F-1 score. According to the Winter classification test results, the average precision value of mesioangular, distoangular, horizontal, vertical, buccolingual and other impacted tooth orientations was obtained as 0.972, the average sensitivity value was 0.967 and the average F1-score value was 0.969. According to the test results in which impacted teeth were detected, the average precision value was obtained as 0.991, the average sensitivity value as 0.995, and the average F1-score value as 0.995. 440 of the impacted teeth were detected correctly, 4 were detected incorrectly, and 2 were not detected by the algorithm. According to the results obtained, the YOLOv8 algorithm showed a successful performance in detecting impacted teeth and classifying third molars according to the Winter classification system.

Benzer Tezler

  1. Tez No

    994048

    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

    SERAP AKDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Mühendislik BilimleriPamukkale Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMET ÜSAME ÖZİÇ

    PROF. DR. MELEK TAŞSÖKER BULUT

  2. Tez No

    993928

    Gömülü mandibular üçüncü molar dişlerin sınıflandırmalarının panoramik radyografiler üzerinden yapay zeka kullanılarak değerlendirilmesi

    Evaluation of mandibular impacted third molar teeth using panoramic radiographs with artificial intelligence

    NİLÜFER KARAÇAY

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2022

    Diş HekimliğiBezm-İ Alem Vakıf Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İRFAN SARICA

  3. Tez No

    988865

    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

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. UTKU KÖSE

    DOÇ. DR. GÜR EMRE GÜRAKSIN

  4. Tez No

    627350

    Gömülü maksiller kanin dişe sahip genç erişkinlerde mandibular indekslerin ve sefalometrik parametrelerin değerlendirilmesi

    Evaluation of mandibular indices and cephalometric parameters in adolescents with impacted maxillary canines

    ESRA GENÇ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2019

    Diş HekimliğiOrdu Üniversitesi

    Ortodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜLEYMAN KUTALMIŞ BÜYÜK

  5. Tez No

    478998

    Ekstraoral ve intraoral radyografilerle dental anomalilerin sıklık ve dağılımlarının değerlendirilmesi

    Ekstraoral ve intraoral radyografilerle dental anomalilerin siklik ve dağilimlarinin değerlendirilmesi

    PINAR GÖKÇEN YÜCESAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2017

    Diş HekimliğiKaradeniz Teknik Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. SAADETTİN KAYIPMAZ

Geri Dön