Konik ışınlı bilgisayarlı tomografi görüntülerinin yapay zekâ ile değerlendirilmesi
Tezin Türü: Diş Hekimliğinde Uzmanlık
Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, DİŞ HEKİMLİĞİ FAKÜLTESİ, KLİNİK BİLİMLER BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: TUĞBA ARI
Danışman: İbrahim Şevki Bayrakdar
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Yapay zekânın sağlık alanındaki görsellerin değerlendirilmesinde önemli bir potansiyele sahip olduğu görülmektedir. Bu çalışma, evrişimli sinir ağı temelli algoritmalar kullanılarak geliştirilen yapay zekâ modellerinin KIBT görüntülerinin değerlendirilmesindeki başarısını değerlendirmeyi amaçlamaktadır. Materyal ve Metot: Üç yüz adet KIBT görüntüsünden oluşan veri seti üzerinde çürük, restoratif dolgu materyali, kök-kanal dolgu materyali, dental implant, implant destekli kuron, kuron, pontik, gömülü diş, sürnümerer diş, rezidüel diş kökü, osteosklerotik alan, periapikal lezyon, radyolüsent çene lezyonu, radyopak çene lezyonu, mikst görünümlü çene lezyonunu içeren 15 farklı durum için CranioCatch yazılımı (CranioCatch, Eskişehir-Türkiye) kullanılarak etiketleme yapılmıştır. Model geliştirilmesinde Mask R-CNN mimarisi ve transfer öğrenme yöntemi olarak da ResNet 101 modeli kullanılmıştır. Karışıklık matris yöntemiyle modelin başarı metrikleri hesaplanmıştır. Bulgular: Yapay zekâ modelinin dental durumları tespit etme performansı değerlendirildiğinde en yüksek duyarlılık değerleri için dental implant 1, sürnümerer diş 1, kök kanal dolgu materyali 0.9863, en düşük duyarlılık değerleri için mikst görünümlü çene lezyonu 0.7857, periapikal lezyon 0.8601, osteosklerotik alan 0.875 olarak bulunmuştur. En yüksek kesinlik değerleri için dental implant 1, implant destekli kuron 1, kök kanal dolgu materyali 0.9948, en düşük kesinlik değerleri için sürnümerer diş 0.7741, mikst görünümlü çene lezyonu 0.8148, osteosklerotik alan 0.9333 olarak bulunmuştur. En yüksek F1 skoru değerleri için dental implant 1, kök kanal dolgu materyali 0.9905, implant destekli kuron 0.9876, en düşük F1 skoru değerleri için mikst görünümlü çene lezyonu 0.8, sürnümerer diş 0.8727, periapikal lezyon 0.9002 olarak bulunmuştur. Sonuç: Yapay zekânın KIBT görüntüleri üzerinde farklı klinik durumların tespitindeki başarısı ümit vericidir. Yapay zekâ teşhis sürecinde hekimlere karar destek mekanizması olarak, KIBT görüntülerinin yorumlanmasında zaman kazandırmak ve tedavi planlamasına yardımcı olmak amacıyla kullanılabilir. Anahtar Kelimeler: Derin öğrenme, konik ışınlı bilgisayarlı tomografi, yapay zekâ