Yetişkin bireylerde panoramik radyografi görüntüleri kullanılarak yaşın belirlenmesinde derin öğrenme modeli

ÇAĞRI ERDOĞDU

Yetişkin bireylerde panoramik radyografi görüntüleri kullanılarak yaşın belirlenmesinde derin öğrenme modeli

Tezin Türü: Diş Hekimliğinde Uzmanlık

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Diş Hekimliği Fakültesi, Klinik Bilimler, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: ÇAĞRI ERDOĞDU

Danışman: Gülsün Akay

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Dişler, dayanıklı yapıları ve yaşam boyu gösterdikleri değişimler nedeniyle yaş tahmini için kullanımları güvenilir kabul edilen biyolojik göstergelerdir. Yetişkin bireylerde yaş tayini, diş gelişiminin tamamlanmış olması nedeniyle çocuklara kıyasla daha karmaşık olup, sekonder dentin birikimi ve pulpa boşluğundaki değişim gibi ince morfolojik göstergelerin değerlendirilmesini gerektirir. Veri işleme teknolojilerinin gelişimi ile birlikte yapay zeka uygulamaları giderek yaygınlaşmaktadır. Bu gelişmeler, medikal alanda tanı, tedavi ve prognostik değerlendirme gibi birçok süreçte yapay zekanın kullanımını mümkün kılmaktadır. Bu tez çalışmasında, yetişkin popülasyonda panoramik radyografik görüntüler kullanılarak kronolojik yaş tahmininde derin öğrenme tabanlı modellerin etkinliği araştırılmıştır. Çalışma kapsamında, Gazi Üniversitesi Diş Hekimliği Fakültesi radyoloji arşivinden elde edilen 18-65 yaş aralığındaki 1920 adet yetişkin bireye ait panoramik radyografi görüntüsü kullanılmış olup hastaların kronolojik yaşı ve cinsiyet bilgileri etiketlenerek kodlanmıştır. Görüntüler veri ön işleme adımlarından geçirilerek EfficientNetB7, DenseNet201, InceptionV3 ve ResNet50V2 modelleri ile analiz edilmiştir. Modeller, yaş tahmini için regresyon yaklaşımıyla eğitilmiş ve performansları ortalama karesel hata (MSE), kök ortalama karesel hata (RMSE), mutlak ortalama hata (MAE) ve açıklayıcılık katsayısı (R²) değerleri ile değerlendirilmiştir. Elde edilen sonuçlara göre EfficientNetB7 mimarisinin 3,813 yıl ile en düşük MAE'ye ve R²=0,908 ile en yüksek açıklayıcılık katsayısı skoruna ulaştığı gözlendi. Sonuç olarak, çalışmamızda EfficientNetB7 modeli ile diğer modellere göre en iyi performans gösterdiği ve derin öğrenme tabanlı modellerin, panoramik radyograflardan yaş tahmini alanında yüksek doğruluk sağlayabileceği gösterilmiştir.