Panoramik radyografide teşhis edilen lezyonların otomatik tanısında yapay zeka programının etkinliği
Effectiveness of an artificial intelligence program in the automatic diagnosis of lesions detected in panoramic radiographs
- Tez No: 939835
- Danışmanlar: DOÇ. DR. CEREN AKTUNA BELGİN
- Tez Türü: Diş Hekimliği Uzmanlık
- Konular: Diş Hekimliği, Dentistry
- Anahtar Kelimeler: Panoramik radyografi, kist, tümör, yapay zeka, YOLOv8, Diş hekimliği, Panoramic radiography, cyst, tumor, artificial intelligence, YOLOv8, Dentistry
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Hatay Mustafa Kemal Üniversitesi
- Enstitü: Diş Hekimliği Fakültesi
- Ana Bilim Dalı: Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Çalışmanın amacı, yapay zeka modelinin panoramik radyografide teşhis edilen kist, tümör ve benzeri patolojilerin tespitindeki etkinliğini araştırmaktır. Gereç ve Yöntem: Hatay Mustafa Kemal Üniversitesi Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı'na başvuran 10-90 yaş arası 124.800 hastanın panoramik radyografileri ve klinik muayene bulgularının kayıtları retrospektif olarak incelenmiştir. Çalışmaya dahil edilme kriterlerine uyan toplamda 1000 hastaya ait bin üç yüz panoramik radyografi çalışmaya dahil edilmiştir. Panoramik radyografide tespit edilen lezyonlar, 1. lezyon varlığının tespiti, 2. lezyonun histopatolojik tanısının belirlenmesi (ameloblastoma, odontojenik keratokist, radiküler kist, dentigeröz kist, müköz retansiyon kisti, floroid osseöz displazi, odontoma, oral squamöz hücreli karsinom), 3. lezyonun içeriğinin tespiti, 4. lezyondan bağımsız çene bölgesinin lokalizasyonunun belirlenmesi, 5. lezyonun benign/malign tespiti olmak üzere beş başlıkta değerlendirilmiştir. CranioCatch yazılımı (CranioCatch, YOLOv8, Eskişehir-Türkiye) kullanılarak lezyonun sınırları manuel olarak belirlenmiştir. Sonuçlar karışıklık matrisi, kesinlik, duyarlılık ve F1 skoruna göre değerlendirilmiştir. Bulgular: Çalışmada lezyon varlığı tespiti için kesinlik 0,85, duyarlılık 0,80, F1 skoru ise 0,82; lezyonun histopatolojik tanısının tespiti için kesinlik 0,77, duyarlılık 0,86 ve F1 skoru 0,81 olarak bulunmuştur. Histopatolojik tanı için en yüksek genel değerler, müköz retansiyon kisti için 0,88, en düşük değer odontojenik keratokist için 0,52 olarak bulunmuştur. Lezyon içeriğinin tespitinde kesinlik 0,73, duyarlılık 0,72 ve F1 skoru 0,73; çene bölgesi lokalizasyonunun belirlenmesinde kesinlik 0,99, duyarlılık 1, F1 skoru 0,99; benign/malign lezyonların ayrımında ise kesinlik 0,90, duyarlılık 0,74 ve F1 skoru 0,82 olarak bulunmuştur. Sonuç: YOLOv8 algoritması panoramik radyografide görülen lezyonların tespitinde, lezyon içeriklerinin ve tanılarının doğru belirlenmesinde, lezyonların benign/malign ayırımını yapılmasında genel olarak başarılı olurken, çenelerin bölgesel lokalizasyonlarının tespitinde oldukça yüksek bir başarı göstermiştir.
Özet (Çeviri)
Introduction and Aim: The aim of the study is to investigate the effectiveness of an artificial intelligence model in detecting cysts, tumors and similar pathologies diagnosed in panoramic radiography. Material and Method: The panoramic radiographs and clinical examination findings of 124,800 patients aged 10-90 years who applied to Hatay Mustafa Kemal University Faculty of Dentistry, Department of Oral, Dental and Maxillofacial Radiology were retrospectively analyzed. One thousand three hundred panoramic radiographs of a total of 1000 patients who met the inclusion criteria were included in the study. The lesions detected in the panoramic radiographs were analyzed for 1. the presence of a lesion, 2. the histopathologic diagnosis of the lesion (ameloblastoma, odontogenic keratocyst, radicular cyst, dentigerous cyst, mucous retention cyst, fluoroid osseous dysplasia, odontoma, oral squamous cell carcinoma), 3. determination of the content of the lesion, 4. determination of the localization of the jaw region independent of the lesion, 5. benign/malignant determination of the lesion. The boundaries of the lesion were determined manually using CranioCatch software (CranioCatch, YOLOv8, Eskisehir-Turkey). The results were evaluated according to confusion matrix, precision, sensitivity and F1 score. Results: The precision for lesion presence detection was 0.85, sensitivity was 0.80, and the F1 score was 0.82. For the detection of the lesion's histopathological diagnosis, precision was 0.77, sensitivity was 0.86, and the F1 score was 0.81. The highest overall values for histopathological diagnosis were found for mucous retention cysts (0.88), and the lowest for odontogenic keratocyst (0.52). For lesion content detection, precision was 0.73, sensitivity was 0.72, and the F1 score was 0.73. For the localization of the jaw region, precision was 0.99, sensitivity was 1, and the F1 score was 0.99. In the differentiation of benign/malignant lesions, precision was 0.90, sensitivity was 0.74, and the F1 score was 0.82. Conclusion: The YOLOv8 algorithm was generally successful in the detection of lesions seen on panoramic radiographs, accurate determination of lesion contents and diagnoses, benign/malignant differentiation of lesions, and showed a very high success in the detection of regional localization of the jaws.
Benzer Tezler
- 4-12 yaş grubu çocuklarda diş yaşı, kemik yaşı ve kronolojik yaşın karşılaştırılmasına ilişkin bölgesel bir çalışma
Başlık çevirisi yok
PERUZE ÇELENK
- Sinüs maksillarisin ortopantomografi ile gelişiminin incelenmesi ve ortodontik anomalilerle ilişkisi
Başlık çevirisi yok
HÜSAMETTİN OKTAY
- Doğu Karadeniz konut mimarisinde süsleme üzerine bir inceleme
Başlık çevirisi yok
SUAT İSKENDER
Yüksek Lisans
Türkçe
1987
MimarlıkKaradeniz Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. KUTSAL ÖZTÜRK
- Klasik, barok, rokoko, ampir kalemişi üslubları
Başlık çevirisi yok
KAYA ÜÇER
Yüksek Lisans
Türkçe
1988
Sanat TarihiMimar Sinan Güzel Sanatlar ÜniversitesiYRD. DOÇ. DR. DÜNDAR TAHSİN AYKUTALP