Ortodontide yapay zeka yöntemleri ile büyüme gelişim dönemlerinin tespiti
| dc.contributor.advisor | Kök, Hatice | |
| dc.contributor.author | İzgi, Mehmet Said | |
| dc.date.accessioned | 2025-10-17T13:08:36Z | |
| dc.date.available | 2025-10-17T13:08:36Z | |
| dc.date.issued | 2018 | |
| dc.date.submitted | 2018 | |
| dc.department | NEÜ, Diş Hekimliği Fakültesi, Ortodonti | |
| dc.description.abstract | Bu çalıĢmanın amacı son dönemde yaygınlaĢmıĢ olan yapay zekâ yöntemlerinden yapay sinir ağlarının (YSA) kullanımı ile büyüme-geliĢimin yarı-otomatik olarak tespitinin sağlanmasıdır. Bu çalıĢmada 8-17 yaĢları arasındaki 419 bireyin sefalometrik ve el-bilek radyografileri retrospektif olarak incelenmiĢtir. Bireylerin sefalometrik ve el-bilek radyografileri kullanılarak büyüme-geliĢim seviyeleri belirlenmiĢtir ve öncelikle sefalometrik ve el-bilek radyografilerinin birbiriyle uyumu karĢılaĢtırılmıĢtır. Sefalometrik radyograflarda C2 C3 C4 ve C5 vertebraları üzerinde belirlenen 27 nokta kullanılarak bilgisayarda horizontal ve vertikal 32 doğrusal ölçüm yapılmıĢtır. Yapılan ölçümlerden oluĢan sayısal veriler Matlab programında bir arayüz oluĢturularak iĢlenmiĢtir. Ölçüm verilerinin %80‟i eğitim (training) kümesi, %10‟u test kümesi ve kalan %10‟u ise validasyon kümesi olarak ayrılmıĢtır. Bu doğrulardan oluĢurulan 25 farklı kombiasyonda YSA‟nın büyümegeliĢim tahmin baĢarısı değerlendirilmiĢtir. Sefalometrik ve el-bilek filmleri arasında %98,1 oranında pozitif yönlü korelasyon mevcuttur. Ayrıca sefalometrik radyograf ve kronolojik yaĢ arasında %91,8, el-bilek filmi ve kronolojik yaĢ arasında %90,7 lik bir uyum bulunmuĢtur. Tüm antropometrik ölçümler, değerlendirici tarafından tekrar ölçülmüĢtür. Ölçümler arasındaki gözlemci içi uyum katsayıları tüm ölçümler için ayrı ayrı hesaplandığında 0,991 ile 0,906 arasında değiĢim göstermiĢtir. ÇalıĢmamızda kullanılan ölçümlerde en önemli belirtecin 4. vertebranın anterior vertikal yüksekliği olduğu tespit edilmiĢtir. Doğrusal ölçümlerin tümü değerlendirildiğinde doğruluk 0,9332, duyarlılık 0,8857, özgüllük 0,9799, F1 değeri 0,8921 ve R2 0,9936 gibi oldukça yüksek değerlere sahip olduğu görülmüĢ, ayrıca yapılan değerlendirmelerde koyulan en az nokta ile en yüksek değerlere 13 doğrusal ölçüm ile; doğruluk 0,8902, duyarlılık 0,9143, özgüllük 0,9628, F1 değeri 0,8707 ve R2 0,9884 değerlerine ulaĢılmıĢtır. Vertebralar tek tek ölçüldüğünde ise en yüksek doğruluk dördüncü vertebranın ölçümü ile bulunmuĢtur (doğruluk 0,8115, duyarlılık 0,8143, özgüllük 0,9656, F1 değeri 0,8201 ve R2 değeri 0,9795). Sefalometrik radyograflar, el-bilek radyografileri ve kronolojik yaĢ arasında anlamlı bir iliĢki bulunmıuĢtur (p<0,001). ÇalıĢmada kullanılan tüm doğrularda çok yüksek bir doğruluğa ulaĢılmıĢ ve çalıĢmamız yapay zekâ yöntemlerinden biri olan YSA‟nın büyüme-geliĢim tespitinde kullanılabileceğini göstermiĢtir. | |
| dc.description.abstract | The aim of this study is that with the use of artificial neural networks (ANN), recently has become widespread, growth and development is determined semi-automatically. In this study, cephalometric and hand- wrist radiography of 419 individuals, aged 8-17 years, have been retrospectively analyzed. By using the cephalometric and hand - wrist radiography of individuals, the degree of growth and development has been determined and primarily harmony with each other has been compared. In cephalometric x-ray by using C2 C3 C4 and C5 the 27 points on vertebrates horizontal and vertical 32 linear measurements have been measured on the computer. Digital data of those measurements have been processed forming an interface on the Matlab‟s program. %80 of measuring data have been separated as group of training, %10 as group of test and the rest %10 as group of validation. Prediction success of growth and development of ANN has been evaluated on the 25 different combinations composed from these analysis. There is positively a correlation between cephalometric and hand- wrist radiography at the rate of %98,1. In addition, it has been found a matching between cephalometric x-ray and chronological age at the rate of %91,8, between hand- wrist radiography and chronological age at %90,7. After, all antropometric measurements have been measured again by researcher. When intraobserver agreement levels among measurements have been separately calculated for all measurements, a variation 0,991 - 0,906 has been seen. The measurements used in our study the most important marker is that 4. cervical vertebrae is found as anterior vertical height. When all linear measurements are evaluated, it has been seen that it has rather high values such as accuracy 0,9332, sensitivity 0,8857, specificity 0,9799, F1 value 0,8921 and R2 0,9936 also evaluations made in the study with the 13 linear measurements the least and the highest point; the values of accuracy 0,8902, sensitivity 0,9143, specificity 0,9628, F1 value 0,8707 and R2 0,9884 have been found. When the vertebrates are separately measured, the highest accuracy has been found with the measuring of C4 (accuracy 0,8115, sensitivity 0,8143, specificity 0,9656, F1 value 0,8201 and R2 0,9795). It is found a relation between cephalometric x-ray, hand- wrist radiography and chronologic age (p<0,001). It has been found rather high accuracy in all measurements used in the study, and our study has shown that ANN, one of the method of artificial neural networks, could be used to determine of the growth – development. | |
| dc.identifier.citation | İzgi, B. (2018). Ortodontide yapay zeka yöntemleri ile büyüme gelişim dönemlerinin tespiti. (Yayınlanmamış diş hekimliği uzmanlık tezi) Necmettin Erbakan Üniversitesi, Diş Hekimliği Fakültesi Ortodonti Anabilim Dalı, Konya | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12452/19876 | |
| dc.identifier.yoktezid | 520452 | |
| dc.language.iso | tr | |
| dc.publisher | Necmettin Erbakan Üniversitesi, Sağlık Bilimleri Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Büyüme-GeliĢim | |
| dc.subject | Sefalometri | |
| dc.subject | Servikal Vertebra | |
| dc.subject | Yapay Sinir Ağları | |
| dc.subject | Yapay Zekâ | |
| dc.subject | Growth–Development | |
| dc.subject | Cephalometry | |
| dc.subject | Cervicial Vertebrae | |
| dc.subject | Artificial Neural Networks | |
| dc.subject | Artificial Intelligence | |
| dc.title | Ortodontide yapay zeka yöntemleri ile büyüme gelişim dönemlerinin tespiti | |
| dc.title.alternative | Growth and developments periods determination in orthodontics with artificial intelligence methods | |
| dc.type | Specialist Thesis |
