Yazar "Tentaş, Serhat" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim Yok
    Öğe
    El bilek radyografileri aracılığıyla maturasyon dönemi tespitinde yapay zeka algoritmalarının başarısının değerlendirilmesi
    (İnönü Üniversitesi, 2024) Tentaş, Serhat; Özden, Samet
    Amaç: Çalıs?mamızın amacı, el-bilek radyografilerini kullanarak YZ tabanlı uygulamalar ile iskeletsel olgunluğun doğru ve tutarlı bir biçimde tespit edilmesi ve buna paralel olarak hatalı tes?his ve tedavilerin o?nlenmesidir. Bu sebeple, retrospektif olarak hasta ars?ivinden elde edilen el-bilek radyografilerinden maturasyon do?nemleri, yas? ve cinsiyet tespitinde YZ algoritmalarının bas?arısı değerlendirilecektir. Materyal Metot: Çalıs?manın materyali, ortodontik tedavi için bas?vurmus? olan sistemik olarak sağlıklı Tu?rk bireylerden alınan 6572 adet el-bilek radyografisi olus?turmaktadır. Bes? farklı maturasyon yo?ntemine go?re sınıflandırılan materyal, ek olarak cinsiyet ve yas? için de sınıflandırılmıs?tır. Daha sonra go?ru?ntu?ler u?zerinde etiketlemeler CranioCatch etiketleme yazılımı (CranioCatch, Eskis?ehir, Tu?rkiye) kullanılarak yapılmıs?tır. Veri setleri rastgele olarak eğitim, doğrulama ve test setlerine ayrılmıs?tır. PyTorch ku?tu?phanesi kullanılarak eğitilen YOLOv8 derin o?ğrenme mimarisinin, bu?yu?me-gelis?im do?nemlerinin tespitinde test veri setleri ile bas?arısı değerlendirilmis?tir. Bulgular: Çalıs?mada kullanılan derin o?ğrenme modeli ile Grup I için doğruluk 0.860 ve F1 skor 0.850, Grup II için doğruluk 0.920 ve F1 skor 0.960, Grup III için doğruluk 0.878 ve F1 skor 0.935, Grup IV için 0.981 ve F1 skor 0.990, Grup V için doğruluk ve F1 skor 0.920, Grup VI için doğruluk ve F1 skor 0.980, Grup VII için doğruluk 0.580 ve F1 skor 0.570 olarak bulunmus?tur. En yu?ksek F1 skoru ise 0.990 olarak Grup IV için elde edilmis?tir. En du?s?u?k F1 skoru Grup VII için 0.570 olarak bulunmus?tur. Veri setlerinin dengeli dağılım go?stermesi sonucunda, genel olarak AUC değerlerinin 1'e yakın bulunması derin o?ğrenme modelinin performansının bas?arılı kabul edilmesini sağlamıs?tır. Ayrıca bu değerler farklı sınıfları ayırt etmede derin o?ğrenme algoritmasının tahminlerinin isabetli olduğunu go?stermektedir. Sonuç: Bu?yu?me-gelis?im do?nemlerinin derin o?ğrenme modeli ile bas?arılı bir s?ekilde tespit edilmesi, klinikte hekimlere yardımcı olarak is? yu?ku?nu? hafifletmesi mu?mku?n olacaktır. Tes?his ve tedavi kararlarında yapay zekanın, bas?langıçta yardımcı rolde olması o?ngo?ru?lmektedir. YZ tabanlı uygulamaların klinik is?leyis?e entegre edilmesi go?zlemci içi ve go?zlemciler arası uyumsuzlukları en az indirecek ve yanlıs? tes?his ve tedavilerin bu?yu?k oranda o?nu?ne geçebilecektir. Anahtar Kelimeler: Yapay zeka, iskeletsel maturasyon, el-bilek radyografisi, derin o?ğrenme