Yazar "Ayhan, Betül" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • [ X ]
    Öğe
    Derin öğrenme yöntemine dayalı yapay zekâ algoritmalarıyla panoramik radyografilerde incelenen sabit protetik restorasyonlar altında oluşan çürüklerin tespiti
    (Kırıkkale Üniversitesi, 2023) Ayhan, Betül; Atsü, Saadet Sağlam
    Diş çürüklerinin, erken dönemde tespit edilerek tedavi edilmesi dişler üzerine yapılan restorasyonların başarısını arttırmaktadır. Diş çürüğünün varlığının hekim tarafından tespiti, yalnızca klinik muayene ile çoğu zaman mümkün olmamakta ve sıklıkla radyolojik tespit yöntemlerinden yararlanılması gerekmektedir. Diş üzerinde radyoopak görüntü veren dental restorasyon varlığı, restorasyon altında oluşmuş çürüklerin tespitini zorlaştırmaktadır. Hastaların diş eksikliklerini yerine koyan, estetik ve fonksiyonel işlevlerini yeniden oluşturan ve bu işlemleri çeşitli dental materyal ve teknikle yapabilen sabit protetik restorasyonlarda (SPR) en sık görülen geç komplikasyon restorasyon altında çürük oluşumudur. Bu restorasyonlar altında oluşan çürüklerin klinik olarak tespit edilmesi SPR'lerin prognozu açısından önem taşımaktadır. 2 boyutlu ve 3 boyutlu radyografiler, klinik pratiğinde sabit protetik restorasyon altındaki çürük lezyonlarının tespitinde kullanılabilseler de 2 boyutlu radyografilerde görüntüleme hatalarının sık olması; 3 boyutlu radyografilerde de hastaya verilen radyasyon dozunun fazla olması bu yöntemlerin dezavantajlarıdır. Protetik restorasyon altında çürüğün geleneksel yöntemlerle teşhis edilmesindeki zorluklar nedeniyle, farklı çürük tespit yöntemlerinin geliştirilmesi gerekmektedir. Bu çalışma, derin öğrenme yöntemlerine dayalı yapay zekâ algoritmalarından YOLOV7 kullanılarak panoramik radyografilerde sabit protetik diş restorasyonları altında çürük tespitinin etkinliğinin değerlendirilmesi amacıyla yapılmıştır. Veri seti olarak 1004 hastanın panoramik radyografileri kullanılmıştır. Önerdiğimiz çürük tespit sistemi iki aşamadan oluşmaktadır. Çalışmanın ilk aşamasında, panoramik radyografiler üzerindeki SPR'lerin otomatik olarak tespit edilmesi ve kırpılması yani asıl görüntüden seçilerek çıkarılması işlemi gerçekleştirilmiştir. Bu aşamada her bir radyografik görüntü üzerinde SPR'ler etiketlenmiş ve bu görüntülerle bir derin öğrenme modeli olan YOLOV7 eğitilmiştir. Eğitilen derin öğrenme modeli SPR'leri 0.966 kesinlik, 0.947 hassasiyet, 0.968 mAP (Mean Avarage Precision) ve 0.956 F1 skoru elde ederek tespit etmiştir. Bu çalışmanın ikinci aşaması kırpılan görüntüler üzerindeki SPR'lerin altındaki çürüklerin tespit edilmesini içermektedir. Bu aşamada görüntüler üzerinde çürük (decay), çürüksüz dayanak diş (healthy), kayıp diş (missing) etiketlemeleri yapılarak farklı bir YOLOV7 modeli elde edilmiştir. Bu model eğitim sonrası çürük etiketi için 0.791 duyarlılık, 0.837 kesinlik, 0.80 mAP, 0.813 F1 değeri elde ederken kayıp diş için 0.939 duyarlılık, 0.804 kesinlik, 0.931 mAP, 0.866 F1 değeri çürüksüz dayanak diş için 0.976 duyarlılık, 0.945 kesinlik, 0.978 mAP, 0.96 F1 skoru elde etmiştir. Orijinal YOLOV7 modeli ile eğitim yapıldıktan sonra, SPR altındaki çürükleri daha iyi tespit edebilmek için bu modelin içine dikkat mekanizmaları (CBAM) eklenmiş, modelin çürük tespit performansının arttığı gözlemlenmiştir. YOLOV7+CBAM modeli ile çürük etiketi için 0.827 duyarlılık, 0.834 kesinlik, 0.846 mAP, 0.83 F1 skoru; kayıp diş etiketi için 0.922 duyarlılık, 0.821 kesinlik, 0.933 mAP, 0.868 F1; çürüksüz dayanak diş etiketi için 0.964 duyarlılık, 0.945 kesinlik, 0.973 mAP ve 0.954 F1 skoru elde edilmiştir. Çalışmamızda panoramik radyografilerde izlenen SPR altındaki çürükleri tespit etmek amacıyla derin öğrenme modellerinin kullanımı umut verici sonuçlar göstermiştir. Klinik uygulamalarda yaygın olarak tercih edilen panoramik radyografide yapay zekâ ile protetik restorasyonların altındaki çürüklerin tespiti hekimlere zaman yönetimi ve teşhis açısından kolaylık sağlayacağı düşünülmektedir. Literatür araştırmamıza göre SPR altındaki çürüklerin panoramik radyografik veriler kullanılarak derin öğrenme algoritmaları ile tespit edildiği başka bir çalışma bulunmamaktadır. Çalışmamızın sonuçlarını değerlendirme kapsamını genişletmek ve yapay zekânın SPR altındaki çürüklerin tespiti alanında geliştirilmesini sağlamak amacıyla bu alanda yeni çalışmaların yapılması gerekmektedir.