TARAMALI ELEKTRON MİKROSKOBU GÖRÜNTÜLERİ ÜZERİNDEN DENTİN TÜBÜLLERİNİN DERİN ÖĞRENMEYE DAYALI ANALİZİ

Abstract

ÖZET

Dişler sindirim sisteminin başlangıcında yer alan ve yiyeceklerin fiziksel sindirimini başlatan vücudumuzun önemli bir parçasıdır. Ayrıca, insanın sosyal ve profesyonel hayatında da etkinliği büyüktür. Dişlerde yaşanan olumsuzluk doğrudan hayat kalitesini etkilemekte ve sağlık açısından problem oluşturabilmektedir. Diş hassasiyeti yaygın bir ağız sağlığı problemidir ve dentin tabakasının açığa çıkmasından kaynaklanan ağrı olarak kabul edilmektedir. Önleme ve tedavi açısından diş hassasiyeti üzerine yapılan araştırmalar, dentin tübüllerinin durumuyla doğrudan ilişkilidir ve tübül tıkanıklıkları üzerine yapılan incelemeler bu konuda büyük önem taşımaktadır. Dentin tübül tıkanıklıkları taramalı elektron mikroskobu görüntüleri üzerinden de değerlendirilebilir ve her bir dentin tübülünün manuel olarak değerlendirilmesini gerektirir. Bu nedenle sonuçlar büyük ölçüde incelemeyi yapan kişiye göre değişebilmektedir. Bu araştırma alanı, daha güvenilir ve tekrarlanabilir sonuçlar üretmek için farklı ve etkili yöntemlere ihtiyaç duymaktadır. Bu çalışmada, dentin tübül tıkanıklıklarının güvenilir bir şekilde ölçülmesi için yapay zeka destekli sinir ağı modeli önerildi. Etik kurul izni ve dişlerin temin edilmesinin ardından elde edilen doksan altı diş örneği kesildi ve dentin diskler çıkarıldı. Dentin tübüllerini farklı seviyelerde doldurmak için çeşitli duyarsızlaştırıcı ajanlar kullanıldı. Dişler görüntülemeye hazır hale getirilip, taramalı elektron mikroskop ile görüntüler elde edilmiştir. Bu görüntüler 48 x 48 çözünürlükte ve 2795 adet dentin tübülü görüntüsünü içermektedir. Görüntülerdeki tübüller alanında uzman kişiler tarafından beş kategori altında etiketlenmiştir ve değerlendiriciler arası güvenilirliği ölçmek için Cohen's Kappa testi uygulanmıştr. Daha başarılı eğitim gerçekleştirmek için için veri artırma teknikleri yalnızca eğitim veri setine uygulanmıştır. Beş sınıfa ait toplam 10700 görüntü içeren artırılmış veri, ağın eğitim veri kümesi olarak kullanılmıştır. Önerilen konvolüsyonel sinir ağı, dentin tübül oklüzyonlarının derecesini %89.76 genel doğruluk oranıyla beş sınıfa ayırabilmiştir. Ayrıca, oluşturulan modelin sonuçları güncel modellerle karşılaştırılmış ve tartışılmıştır. Bu tezde dentin tübüllerinin tespitinin yanısıra taramalı elektron mikroskop ile görüntülenen dentin tübül oklüzyonlarının seviyesini tespit etmek için konvolüsyonel sinir ağlarının kullanılmasına odaklanılmıştır. Sonuçlar, önerilen konvolüsyonel sinir ağı mimarisinin son derece başarılı bir alternatif olduğunu ve segmente edilmiş dentin tübülü görüntülerinin objektif ve otomatik sınıflandırılmasına izin verdiğini göstermektedir.

ABSTRACT

Teeth are an important part of our body that are located at the beginning of the digestive system and initiate the physical digestion of food. Additionally, they play a significant role in a person's social and professional life. Negative changes in teeth can directly affect quality of life and lead to health problems. Tooth sensitivity is a common oral health problem and is considered pain caused by the exposure of the dentin layer. Research on prevention and treatment of tooth sensitivity is directly related to the condition of dentin tubules, and investigations of tubular blockages are of great importance. Dentin tubule blockages can be evaluated through scanning electron microscope images, which require manual evaluation of each dentin tubule. Therefore, results can vary greatly depending on the person performing the examination. This research field requires different and effective methods to produce more reliable and repeatable results. In this study, an artificial intelligence-supported neural network model was proposed for the reliable measurement of dentin tubule blockages. After obtaining ethical approval and procuring teeth, ninety-six tooth samples were sectioned and dentin discs were removed. Various desensitizing agents were used to fill the dentin tubules at different levels. The teeth were prepared for imaging, and images were obtained using scanning electron microscopy. These images have a resolution of 48 x 48 and contain 2795 images of dentin tubules. The tubules in the images were labeled under five categories by experts in the field, and the Cohen's Kappa test was applied to measure inter-rater reliability. Data augmentation techniques were applied only to the training data set to achieve better training. The augmented data set contained a total of 10700 images for the five classes and was used as the training data set. The proposed convolutional neural network was able to classify the degree of dentin tubule occlusion into five classes with an overall accuracy rate of 89.76%. Additionally, the results of the created model were compared and discussed with current models. This thesis focused on the use of convolutional neural networks to detect dentin tubules and determine the level of dentin tubule occlusion observed in scanning electron microscopy images. The results show that the proposed convolutional neural network architecture is an extremely successful alternative and allows for objective and automatic classification of segmented dentin tubule images.