El-bilek röntgen görüntülerinden maturasyon dönemi tahmini: Bir yapay zekâ yaklaşımı

Basit Öğe Kaydı
dc.contributor.advisorAltındağ, Ali
dc.contributor.authorYıldırım, Cemile Nur
dc.date.accessioned2025-10-17T12:36:18Z
dc.date.available2025-10-17T12:36:18Z
dc.date.issued2023
dc.date.submitted2023
dc.departmentNEÜ, Diş Hekimliği Fakültesi, Ağız, Diş ve Çene Radyolojisi
dc.description.abstractEl-bilek radyografileri, iskelet maturasyonunun belirlenmesinde önemli bir tanısal araç olup, özellikle ortodontik tedavi planlaması ve pediatrik büyüme değerlendirmelerinde yaygın olarak kullanılmaktadır. Bu çalışma, bireylerin iskeletsel gelişim süreçlerini belirlemek amacıyla prepik, pik ve postpik olmak üzere üç farklı olgunluk evresini derin öğrenme yöntemleriyle sınıflandırmayı hedeflemektedir. Bu doğrultuda, nesne tespiti ve sınıflandırma konusunda yüksek doğruluk oranlarına sahip ileri seviye bir algoritma olan YOLOv8 modeli kullanılarak, el-bilek radyografileri üzerinde otomatik sınıflandırma gerçekleştirilmiştir. Bu amaçla bu çalışmada 3268 adet toplanan el-bilek radyografisi Björk, Grave ve Brown sınıflandırma sistemine göre sırasıyla 1060, 1073, 1135 prepik, pik ve postpik görüntü elde edilmiştir. Görüntüler oral radyologlar tarafından sınıflandırılmıştır. Kullanılan derin ağ mimarisi ile 2668 görüntü eğitim seti için, 300 görüntü test ve 300 görüntü de doğrulama veri seti olarak kullanılmıştır.. Sonuçlar kesinlik, duyarlılık ve F-1 skorunu içeren performans kriterlerine göre değerlendirilmiştir. Modelin kesinlik değerleri postpik sınıfında 1.00, prepik sınıfında 0.95 ve pik sınıfında 0.90 olarak hesaplanmıştır. Postpik sınıfında modelin tahmin ettiği her örnek doğru çıkarken, pik sınıfında yanlış pozitif oranı diğer sınıflara göre biraz daha yüksektir. Duyarlılık değerleri prepik sınıfında 0.96, pik sınıfında 0.95 ve postpik sınıfında 0.94 olarak belirlenmiştir. Model, prepik sınıfında en yüksek duyarlılığa sahip olup, bu sınıfa ait örnekleri en iyi şekilde tespit etmiştir. F1 skoru postpik için 0.97, prepik için 0.95 ve pik için 0.92 olarak hesaplanmıştır. Modelin genel sınıflandırma başarısı yüksek olup, tüm sınıflarda 0.90’ın üzerinde performans göstermiştir.
dc.description.abstractHand-wrist radiographs are an important diagnostic tool for determining skeletal maturation and are widely used, especially in orthodontic treatment planning and pediatric growth assessment. This study aims to classify individuals' skeletal development stages into three different maturity phases: prepeak, peak, and postpeak, using deep learning methods. Accordingly, an advanced algorithm with high accuracy in object detection and classification, the YOLOv8 model, was employed for the automatic classification of hand-wrist radiographs. For this purpose, a total of 3,268 hand-wrist radiographs were collected in this study, and based on the Björk, Grave and Brown classification system, 1,060 prepeak, 1,073 peak, and 1,135 postpeak images were obtained. The images were classified by oral radiologists. Using the deep neural network architecture, 2,668 images were allocated for the training set, while 300 images were used for the test set and 300 images for the validation set. The results were evaluated based on performance criteria, including precision, recall, and F1-score. The precision values of the model were calculated as 1.00 for the postpeak class, 0.95 for the prepeak class, and 0.90 for the peak class. While every sample predicted in the postpeak class was correct, the false positive rate in the peak class was relatively higher than in other classes. The recall values were determined as 0.96 for the prepeak class, 0.95 for the peak class, and 0.94 for the postpeak class. The model exhibited the highest recall in the prepeak class, indicating its strong ability to identify examples from this category. The F1-score was calculated as 0.97 for the postpeak class, 0.95 for the prepeak class, and 0.92 for the peak class. The model demonstrated high overall classification performance, with all classes achieving an F1-score above 0.90.
dc.identifier.citationYıldırım, C. N. (2023). El-bilek röntgen görüntülerinden maturasyon dönemi tahmini: Bir yapay zekâ yaklaşımı. (Yayınlanmamış diş hekimliği uzmanlık tezi) Necmettin Erbakan Üniversitesi, Diş Hekimliği Fakültesi Ağız Diş ve Çene Radyolojisi Anabilim Dalı, Konya
dc.identifier.urihttps://hdl.handle.net/20.500.12452/19871
dc.identifier.yoktezid932792
dc.language.isotr
dc.publisherNecmettin Erbakan Üniversitesi, Sağlık Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectDerin Öğrenme
dc.subjectEl-Bilek Radyografisi
dc.subjectYapay Zeka
dc.subjectYOLO
dc.subjectDeep Learning
dc.subjectHand-Wrist Radiograph
dc.subjectArtificial Intelligence
dc.subjectYOLO.
dc.titleEl-bilek röntgen görüntülerinden maturasyon dönemi tahmini: Bir yapay zekâ yaklaşımı
dc.title.alternativeDetermination of maturation stage from hand-wrist X-ray images: An artificial intelligence approach
dc.typeSpecialist Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
932792.pdf
Boyut:
2.7 MB
Biçim:
Adobe Portable Document Format
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Sağlık Bilimleri Enstitüsü Tez Koleksiyonu