dc.contributor.advisor | Kök, Hatice | |
dc.contributor.author | İzgi, Mehmet Said | |
dc.date.accessioned | 2020-12-10T12:41:31Z | |
dc.date.available | 2020-12-10T12:41:31Z | |
dc.date.submitted | 2018 | |
dc.date.issued | 2019-05-15 | |
dc.identifier.uri | https://acikbilim.yok.gov.tr/handle/20.500.12812/292507 | |
dc.description.abstract | Bu çalıĢmanın amacı son dönemde yaygınlaĢmıĢ olan yapay zekâ yöntemlerinden yapay sinirağlarının (YSA) kullanımı ile büyüme-geliĢimin yarı-otomatik olarak tespitinin sağlanmasıdır.Bu çalıĢmada 8-17 yaĢları arasındaki 419 bireyin sefalometrik ve el-bilek radyografileriretrospektif olarak incelenmiĢtir. Bireylerin sefalometrik ve el-bilek radyografileri kullanılarakbüyüme-geliĢim seviyeleri belirlenmiĢtir ve öncelikle sefalometrik ve el-bilek radyografilerininbirbiriyle uyumu karĢılaĢtırılmıĢtır. Sefalometrik radyograflarda C2 C3 C4 ve C5 vertebraları üzerindebelirlenen 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 validasyonkümesi olarak ayrılmıĢtır. Bu doğrulardan oluĢurulan 25 farklı kombiasyonda YSA‟nın büyümegeliĢimtahmin baĢarısı değerlendirilmiĢtir.Sefalometrik ve el-bilek filmleri arasında %98,1 oranında pozitif yönlü korelasyonmevcuttur. Ayrıca sefalometrik radyograf ve kronolojik yaĢ arasında %91,8, el-bilek filmi vekronolojik yaĢ arasında %90,7 lik bir uyum bulunmuĢtur. Tüm antropometrik ölçümler, değerlendiricitarafından tekrar ölçülmüĢtür. Ölçümler arasındaki gözlemci içi uyum katsayıları tüm ölçümler içinayrı ayrı hesaplandığında 0,991 ile 0,906 arasında değiĢim göstermiĢtir. ÇalıĢmamızda kullanılanölçümlerde 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 yapılandeğerlendirmelerde koyulan en az nokta ile en yüksek değerlere 13 doğrusal ölçüm ile; doğruluk0,8902, 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 ilebulunmuĢtur (doğruluk 0,8115, duyarlılık 0,8143, özgüllük 0,9656, F1 değeri 0,8201 ve R2 değeri0,9795).Sefalometrik radyograflar, el-bilek radyografileri ve kronolojik yaĢ arasında anlamlı bir iliĢkibulunmıuĢtur (p<0,001). ÇalıĢmada kullanılan tüm doğrularda çok yüksek bir doğruluğa ulaĢılmıĢve çalıĢmamız yapay zekâ yöntemlerinden biri olan YSA‟nın büyüme-geliĢim tespitindekullanılabileceğini göstermiĢtir. | |
dc.description.abstract | The aim of this study is that with the use of artificial neural networks (ANN), recently hasbecome widespread, growth and development is determined semi-automatically.In this study, cephalometric and hand- wrist radiography of 419 individuals, aged 8-17years, have been retrospectively analyzed. By using the cephalometric and hand - wrist radiography ofindividuals, the degree of growth and development has been determined and primarily harmony witheach other has been compared. In cephalometric x-ray by using C2 C3 C4 and C5 the 27 points onvertebrates 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‟sprogram. %80 of measuring data have been separated as group of training, %10 as group of test andthe rest %10 as group of validation. Prediction success of growth and development of ANN has beenevaluated on the 25 different combinations composed from these analysis.There is positively a correlation between cephalometric and hand- wrist radiography at therate of %98,1. In addition, it has been found a matching between cephalometric x-ray andchronological 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 intraobserveragreement levels among measurements have been separately calculated for allmeasurements, a variation 0,991 - 0,906 has been seen. The measurements used in our study the mostimportant marker is that 4. cervical vertebrae is found as anterior vertical height. When all linearmeasurements 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 thestudy 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 thevertebrates 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 andchronologic age (p<0,001). It has been found rather high accuracy in all measurements used in thestudy, and our study has shown that ANN, one of the method of artificial neural networks, could beused to determine of the growth – development. | en_US |
dc.language | Turkish | |
dc.language.iso | tr | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution 4.0 United States | tr_TR |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | |
dc.subject | Diş Hekimliği | tr_TR |
dc.subject | Dentistry | en_US |
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 | doctoralThesis | |
dc.date.updated | 2019-05-15 | |
dc.contributor.department | Ortodonti Anabilim Dalı | |
dc.subject.ytm | Orthodontics | |
dc.subject.ytm | Artificial intelligence | |
dc.subject.ytm | Growth | |
dc.subject.ytm | Cephalometry | |
dc.subject.ytm | Cervical vertebrae | |
dc.subject.ytm | Artificial neural networks | |
dc.identifier.yokid | 10218677 | |
dc.publisher.institute | Diş Hekimliği Fakültesi | |
dc.publisher.university | NECMETTİN ERBAKAN ÜNİVERSİTESİ | |
dc.type.sub | dentistThesis | |
dc.identifier.thesisid | 520452 | |
dc.description.pages | 113 | |
dc.publisher.discipline | Diğer | |