Derin öğrenme yaklaşımı ile mandibular kanal ve üçüncü mandibular molar ilişkisinin CBCT ile değerlendirilmesi
Evaluation of the mandibular canal and the third mandibular molar relationship by CBCT with a deep learning approach
- Tez No: 869560
- Danışmanlar: PROF. DR. FİLİZ MEDİHA NAMDAR PEKİNER
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Deep learning, artificial intelligence, CBCT, mandibular canal, mandibular third molar
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Mandibular kanal kemik içerisinde sağ ve solda olmak üzere, tüp şeklinde ve içerisinde inferior alveolar siniri bulunduran anatomik yapıdır. İnferior alveolar sinir, mandibulada sıklıkla gerçekleştirilen dentoalveolar cerrahi işlemlerden biri olan mandibular üçüncü molar dişin çekiminde önemli olup bu işlem sırasında inferior alveolar sinir paralizi en büyük komplikasyondur. Mandibular üçüncü molar diş ile kanalın ilişkisinin en net izlenebildiği görüntüleme tekniği konik ışınlı bilgisayarlı tomografidir (CBCT). Günümüzde yapay zekanın bir alt kümesi olan derin öğrenme, hızlı bir gelişim içerisinde olup diş hekimliği alanında da önemli başarılar elde edilmiştir. Bu çalışmanın amacı da derin öğrenme yaklaşımı ile mandibular kanal ve üçüncü mandibular molar ilişkisinin CBCT ile değerlendirilmesidir. Gereç ve Yöntem: Bu restrospektif çalışmada veri setini Marmara Üniversitesi Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi AD'ı arşivinde mevcut olan 18 yaş ve üzeri 300 hastaya ait CBCT oluşturmuştur. Etiketlemeler segmentasyon yöntemiyle yapılmış olup veri setleri eğitim (n=270), ve test (n=30) veri setleri olmak üzere 2'ye ayrılmıştır. nnU-NetV2 mimarisiyle eğitim ve test veri setleri optimal yapay zeka algoritması ağırlık faktörlerini tahmin etmek ve üretmek için kullanılmıştır. Modelin başarısı test veri setiyle kontrol edilmiş olup elde edilen doğruluk, duyarlılık, kesinlik ve Dice skoru, Jaccard endeksi ve AUC değerleri modelin başarısı hakkında bilgi vermiştir. Bulgular: CBCT üzerinde etiketlenen gömülü mandibular üçüncü molar için doğruluk 0.99, duyarlılık 0.90, kesinlik 0.85, Dice skoru 0.85, Jaccard endeksi 0.78, AUC değeri 0.95 olarak saptanmıştır. Mandibular kanal değerlendirilmesinde doğruluk 0.99, duyarlılık 0.75, kesinlik 0.78, Dice skoru 0.76, Jaccard endeksi 0.62, AUC değeri 0.88 olarak belirlenmiştir. Mental foramen değerlendirilmesinde elde edilen değerler; doğruluk 0.99, duyarlılık 0.64, kesinlik 0.66, Dice skoru 0.64, Jaccard endeksi 0.57, AUC değeri 0.82'dir. Mandibular foramen değerlendirilmesinde doğruluk 0.99, duyarlılık 0.79, kesinlik 0.68 ve Dice skoru 0.71, AUC değeri 0.90 olarak bulgulanmıştır. Mandibular üçüncü molar ile mandibular kanal arasındaki ilişkinin değerlendirilmesinde gözlemci ile model arasında %80 korelasyon izlenmiştir. Sonuc: Derin öğrenme tabanlı nnU-NetV2 mimarisi kullanılarak yapılan değerlendirme ile, gömülü mandibular üçüncü molar, mandibular kanal, mental foramen, mandibular foramen ile mandibular kanal ve mandibular üçüncü molar ilişkisi CBCT ile yüksek doğrulukla tespit edilmiştir. Derin öğrenme modelleri gerçekleştirilecek cerrahi işlemler öncesinde bu anatomik yapıların değerlendirilmesinde diş hekimlerine yardımcı olacaktır. Anahtar Sözcükler: Derin öğrenme, yapay zeka, CBCT, mandibular kanal, mandibular üçüncü molar, mental foramen, mandibular foramen
Özet (Çeviri)
Objective: The mandibular canal is an anatomical structure in the form of a tube containing the inferior alveolar nerve. Extraction of the mandibular third molar tooth, is one of the dentoalveolar surgical procedures frequently performed in the mandible, and inferior alveolar nerve paralysis is the biggest complication during this procedure. The imaging technique in which the relationship between the mandibular third molar tooth and the canal can be observed most clearly is cone beam computed tomography (CBCT). Today, deep learning, a subset of artificial intelligence, is in rapid development and significant success has been achieved in the field of dentistry. The aim of this study is to evaluate the mandibular canal and third mandibular molar relationship with CBCT using a deep learning approach. Materials and Methods: In this retrospective study, the data set was composed of CBCTs of 300 patients aged 18 and over, available in the Marmara University Faculty of Dentistry Oral and Maxillofacial Radiology archives. Labeling was done with the segmentation method and the data sets were divided into two: training (n = 270) and test (n = 30) data sets. With the nnU-NetV2 architecture, training and test data sets were used to estimate and produce optimal artificial intelligence algorithm weight factors. The success of the model was checked with the test data set, and the obtained accuracy, sensitivity, precision, Dice score, Jaccard index and AUC values provided information about the success of the model. Result: For the impacted mandibular third molar annotated on CBCT, the accuracy was 0.99, sensitivity 0.90, precision 0.85, Dice score 0.85, Jaccard index 0.78, AUC value 0.95. In mandibular canal evaluation, accuracy was 0.99, sensitivity 0.75, precision 0.78, Dice score 0.76, Jaccard index 0.62, AUC value 0.88. For the evaluation of mental foramen; accuracy 0.99, sensitivity 0.64, precision 0.66, Dice score 0.64, Jaccard index 0.57, AUC value 0.82. In the evaluation of mandibular foramen, accuracy was found to be 0.99, sensitivity 0.79, precision 0.68, Dice score 0.71, and AUC value 0.90. Evaluating the relationship between the mandibular third molar and the mandibular canal, 80% correlation found between the observer and the model. Conclusion: The results obtained demonstrate that evaluations using the deep learning-based nnU-NetV2 architecture enable highly accurate identification of the relationship between the mandibular canal and impacted third molar in CBCT images. Deep learning algorithms will assist physicians in diagnosing, planning, and predicting complications in surgical procedures.
Benzer Tezler
- Alt üçüncü molar diş çekimi sonrası görülen inferior alveolar sinir hasarının değerlendirmesinde, yapay zekânın başarısı ve önemi
The role and effectiveness of artificial intelligence in the evaluation of inferior alveolar nerve injury following mandibular third molar extraction
BAHADIR ŞERBETÇİ
Diş Hekimliği Uzmanlık
Türkçe
2026
Diş HekimliğiSelçuk ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
PROF. DR. HASAN KÜÇÜKKOLBAŞI
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Deri temizliği hemşirelik tekniğine uygun olarak yapılmış ve yapılmamış hastalarda ameliyat sonrası yara enfeksiyonunun görülme sıklğı
A Comparison of wound infection incidences between the patients who were cleansed in ward according to the nursing technique and those who were cleansed in operating room
NÜKHET TÜRKEL
- Sivas yöresinde izole edilen dermatofitler
Dermathopytes isolated in the Sivas area of Turkey
ÖZDER ÖZTUNALI
Yüksek Lisans
Türkçe
1984
MikrobiyolojiCumhuriyet ÜniversitesiMikrobiyoloji Ana Bilim Dalı
YRD. DOÇ. DR. YAHYA HAKGÜDENER