Publication: Daimi dentisyonda mandibular ikinci molar dişlerin kök oluşum seviyelerinin yapay zekâ ile değerlendirilerek çekim endikasyonu olan birinci molar dişlerin ideal çekim zamanının belirlenmesi / In permanent dentition determination the ideal extraction time of first molar teeth by evaluation of root formation levels of mandibular second molars with arti̇ficial intelligence
Files
Program
Authors
Authors
ALTIN, AYŞE MERYEM
Advisor
SARICA, İRFAN
Date
Language
Type
Publisher
Journal Title
Journal ISSN
Volume Title
Abstract
Daimi birinci büyük azı dişleri en fazla çürük görülen dişlerdir ve genelde buna bağlı olarak sergiledikleri zayıf prognoz nedeniyle erken yaşlarda kaybedilmektedir. Birinci azı dişlerinin çekimi için uygun zamanın tayin edilmesi çocukların fiziksel gelişimi için önemlidir. Dişlerin kalsifikasyon aşamalarını sınıflandıran Demirjian metodunda E safhası daimi birinci büyük azı dişlerinin çekim kararı için ideal bir zamandır ve çocuklarda 8-10 yaş aralığına tekabül eder. Bu tez çalışmasında daimi dentisyonda çekim endikasyonu olan mandibular birinci büyük azı dişlerin ideal çekim zamanının belirlenmesinde; mandibular ikinci büyük azı dişlerin Demirjian metoduna göre gelişim safhalarının panoramik radyografiler üzerinden yapay zekâ programına öğretilmesi ve buna bağlı olarak ideal çekim zamanının yapay zekâ uygulaması tarafından belirlenebilirliği değerlendirilmiştir. Tez çalışmamızda evrişimli sinir ağları kullanılarak Demirjian metodu kalsifikasyon aşamalarının, yapay zekâ ve derin öğrenmeye dayalı bir modelle otomatik olarak sınıflandırılabilmesi amaçlandı. Bu çalışmada 1106 adet panoramik radyografi üzerinde 37 ve 47 numaralı dişlerin segmentasyon ve detection yöntemleri ile etiketlemesi yapıldı. Görüntüler üzerinde dişlerin etiketlenmesinde CranioCatch etiketleme yazılımı (CranioCatch, Eskişehir, Türkiye) kullanıldı. Demirjian metodunun A-H'a kadar 8 safhası için 8 adet veri seti oluşturuldu. YOLOv5 modeli kullanılarak eğitildi. Detection yönteminde yaklaşık olarak 0, 990 duyarlılık, 0,917 kesinlik ve 0,952 F1 skoruna sahip sonuçlar elde edilirken, segmentasyon yönteminde 0,985 duyarlılık, 0,921 kesinlik, 0,952 F1 skoru sonuçları elde edildi. Çalışmamızın sonuçlarına göre geliştirilen derin öğrenme modellerinin; daimi birinci büyük azı dişlerin ideal çekim zamanını belirlemek için kullandığımız Demirjian metodunun safhalarını tespit/tahmin etmedeki başarılı olduğu görülmüştür.
Description
Permanent first molars, which are the most carious teeth and are usually lost at an early age due to their poor prognosis. Determining the appropriate time for extraction of first molars is important for the physical development of children. In the Demirjian method, which classifies the calcification stages of teeth, stage E is the ideal time for the decision to extract permanent first molars and corresponds to the age range of 8-10 years in children. In our thesis study, it was aimed to automatically classify the calcification stages of Demirjian method using convolutional neural networks with a model based on artificial intelligence and deep learning. In this study, teeth numbered 37 and 47 were labeled with segmentation and detection methods on 1106 panoramic radiographs. CranioCatch labeling software (CranioCatch, Eskişehir, Turkey) was used to label the teeth on the images. Eight datasets were created for the 8 stages of the Demirjian method from A to H. It was trained using the YOLOv5 model. The detection method yielded results with approximately 0.990 sensitivity, 0.917 precision and 0.952 F1 score, while the segmentation method yielded results with 0.985 sensitivity, 0.921 precision and 0.952 F1 score. According to the results of our study, the developed deep learning models were found to be successful in detecting/predicting the stages of the Demirjian method, which we used to determine the ideal extraction time of permanent first molars.