Akademik Veri Yönetim Sistemi
Tez Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tez Danışmanı: Doç. Dr. Hamza Osman İlhan
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Desteklendiği Program: Bu tezi destekleyen bir program bulunmamaktadır
Özet:
Hastalıkların erken teşhisi ve doğru sınıflandırılması tedavi süreçlerini önemli ölçüde etkiler. Önerilen çalışmada, YOLOv8 derin öğrenme yöntemi kullanılarak özellikle birinci kalıcı azı dişlerinin ektopik erüpsiyonunun bölgesel tespitini ve durumuna bağlı şiddet sınıflandırması üzerine odaklanılmıştır. Çalışma kapsamında 5-9 yaş aralığındaki çocuklardan oluşan 168 hastadan alınan panaromik röntgen görüntüsü kullanılmıştır. Görüntüler uzman diş hekimleri tarafından ektopik erüpsiyon durumlarına göre (hafif-normal-orta-şiddetli) etiketlenmiştir. Çalışmada dört senaryo oluşturulmuştur. Ektopik Erüpsiyon şiddet sınıflandırmasının da dahil edildiği ve veri arttırma yöntemleri kullanarak eğitilen model, %55,76 doğruluk oranı ile en düşük performansı göstermiştir. Yine şiddet sınıflandırması içeren ancak sadece orjinal veri seti üzerinden eğitilen modelin doğruluk oranı ise %62,54 olarak gözlemlenmiştir. Şiddet sınıflandırmasının önemsenmediği, verisetinin Ektopoik Erüpsiyon var/yok şeklinde düzenlenmiş versiyonunda ise hafif sınıfının dahil edildiği versiyonda %72,75, hafif sınıfının çıkarıldığı yaklaşımda ise %71,76 doğruluk oranları elde edilmiştir. Elde edilen bulgular, YOLOv8 modelinin, ilk kalıcı azı dişlerinin ektopik erüpsiyon durumlarını tespit etme ve sınıflandırmada etkili bir araç olarak kullanılabileceğini göstermektedir.