Research Article

Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti

Volume: 40 Number: 3 December 30, 2024
Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi Cover
Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi
PDF Download

Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti

Abstract

Bilişim çağı ve yapay zekayla beraber bilgisayar bilimi diğer bilim dalları ile bir arada yürütülmeye başlamıştır ve ihtiyaç doğrultusunda bu çalışmalar artmaktadır. Radyolojik inceleme alanında da bilgisayar bilimi önemini gün geçtikçe arttırmaktadır. Panoramik radyografi de bu anlamda önemli alanlardan birisidir. Genç hekimlerin ve hekim adaylarının herhangi bir teşhis koyarken klinik tecrübe yetersizliğinin olması gibi olumsuz durumlardan dolayı panoramik radyografiler için bir karar destek programı oluşturulması amaçlanmıştır. Bu çalışmada, farklı YOLO (You Only Look Once) modelleri kullanılarak panoramik radyografi üzerindeki anatomik yer işaretlerinin tespitinin otomatik olarak gerçekleştirmesi ve karşılaştırmalar sonucunda en iyi tespit sağlayan modele karar verilmesi sağlanmıştır. Çeşitli internet sitelerinden elde edilen panoramik radyografi görüntülerinden oluşan veri setlerinin birleşimi kullanılmıştır. Toplam 14 anatomik yer işaretinin otomatik tespiti yapılmıştır. Sonuçta kullanılan performans metriğine göre YOLOv5 için 0.790, YOLOv8 için 0.802, YOLOv11 için 0.810 değerlerine ulaşılmıştır. Modellerin performans değerleri karşılaştırıldığında, anatomik yer işaretlerinin otomatik tespiti için en uygun modelin YOLOv11 olduğu sonucuna varılmıştır.

Keywords

References

  1. Pişiren A., 2020. Panoramik radyografi. (Web Sayfası: https://akinpisiren.com/panoramik-radyografi), (Erişim tarihi: Aralık 2023). [2] Duong, M. T., Rauschecker, A. M., Rudie, J. D., Chen, P. –H., Cook, T. S., Bryan, R. N., Mohan, S., 2019. “Artificial Intelligence for Precision Education in Radiology”,The British Journal of Radiology, 92, 20190389.
  2. [3] Diyva, V. K., Jatti, A.. Meheraj S.P., Joshi, R., 2016, “Image Processing and Parameter Extraction of Digital Panoramic Dental X-rays with ImageJ”, International Conference on Computational Systems and Information Systems for Sustainable Solutions, 450-454.
  3. [4] Li W., Lu Y., Zheng K., Liao H., Lin C., Luo J., Cheng C., Xiao J., Lu L., Kuo C., Miao S., 2020. Structured landmark detection via topology-adapting deep graph learning. Department of Computer Science, University of Rochester, Rochester, NY, USA, 2004.08190v6.
  4. [5] Shahidi S, Bahrampour E, Soltanimehr E, Zamani A, Oshagh M, Moattari M, et al. The accuracy of a designed software for automated localization of craniofacial landmarks on CBCT images. BMC Med Imaging 2014;14:32.
  5. [6] Ayyıldız, H., Orhan, M., & Bilgir, E. (2024). Tooth numbering with polygonal segmentation on periapical radiographs: An artificial intelligence study. Clinical Oral Investigations, 28, 610. http://doi.org/10.1007/s00784-024-05999-3
  6. [7] Rašić, M., Tropčić, M., Karlović, P., Gabrić, D., Subašić, M., & Knežević, P. (2023). Detection and segmentation of radiolucent lesions in the lower jaw on panoramic radiographs using deep neural networks.
  7. [8] Widiasri, M., Suciati, N., Arifin, A. Z., Fatichah, C., Astuti, E. R., Indraswari, R., Putra, R. H., & Choiruzain. (2022). Dental-YOLO: Alveolar bone and mandibular canal detection on cone beam computed tomography Images for dental implant planning.
  8. [9] Zeren, M., Arslankaya, S., Altuntaş, Y., Cam, N., Kırelli, Y., Özdemir, M., (2023). doctors versus YOLO: comparison between YOLO algorithm, orthopedic and traumatology resident doctors and general practitioners on detection of proximal femoral fractures on X-ray images with multi methods. International Journal of Artificial Intelligence Tools, 1-24. http://dx.doi.org/10.1142/S0218213023500562

Details

Primary Language

Turkish

Subjects

Image Processing, Pattern Recognition

Journal Section

Research Article

Authors

Publication Date

December 30, 2024

Submission Date

November 18, 2024

Acceptance Date

December 25, 2024

Published in Issue

Year 2024 Volume: 40 Number: 3

IZ

https://izlik.org/JA72UG93FG

Cite

RIS / Bibtex
APA
Özcan, T., Karayılan, R., & Yılmaz, S. (2024). Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 40(3), 535-558. https://izlik.org/JA72UG93FG
AMA
1.Özcan T, Karayılan R, Yılmaz S. Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi. 2024;40(3):535-558. https://izlik.org/JA72UG93FG
Chicago
Özcan, Tayyip, Rümeysa Karayılan, and Serkan Yılmaz. 2024. “Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti”. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 40 (3): 535-58. https://izlik.org/JA72UG93FG.
EndNote
Özcan T, Karayılan R, Yılmaz S (December 1, 2024) Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 40 3 535–558.
IEEE
[1]T. Özcan, R. Karayılan, and S. Yılmaz, “Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti”, Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, vol. 40, no. 3, pp. 535–558, Dec. 2024, [Online]. Available: https://izlik.org/JA72UG93FG
ISNAD
Özcan, Tayyip - Karayılan, Rümeysa - Yılmaz, Serkan. “Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti”. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 40/3 (December 1, 2024): 535-558. https://izlik.org/JA72UG93FG.
JAMA
1.Özcan T, Karayılan R, Yılmaz S. Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi. 2024;40:535–558.
MLA
Özcan, Tayyip, et al. “Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti”. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, vol. 40, no. 3, Dec. 2024, pp. 535-58, https://izlik.org/JA72UG93FG.
Vancouver
1.Tayyip Özcan, Rümeysa Karayılan, Serkan Yılmaz. Panoramik Radyograflarda Anatomik Yer İşaretlerinin Yapay Zeka Destekli Otomatik Tespiti. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi [Internet]. 2024 Dec. 1;40(3):535-58. Available from: https://izlik.org/JA72UG93FG

Ethics and Compliance Requirements

✯ For all studies that require ethics committee approval, such approval must be obtained, clearly stated within the manuscript, and properly documented.

✯ In research requiring ethics approval, detailed information—the name of the ethics committee, approval date, and approval number—must be included in the Methods section, and additionally on either the first or last page of the manuscript. For case reports, the manuscript must include a statement confirming that written informed consent was obtained from the participant(s).

✯ The journal’s website must include a clear statement confirming that all manuscripts comply with Research and Publication Ethics.

✯ Ethical responsibilities and guidelines for authors, reviewers, and editors must be presented under separate headings on the journal’s website.

✯ Ethical principles must be explicitly stated in the journal and/or on the journal website, with reference to national and international standards. For instance, scientific manuscripts submitted to the journal should follow the recommendations of the ICMJE (International Committee of Medical Journal Editors) and the COPE (Committee on Publication Ethics) International Standards for Editors and Authors.

✯ Compliance with relevant copyright regulations is mandatory for all intellectual and artistic works used within the manuscript.