Widiasri, Monica (2024) Sistem Pengukuran Kuantitas Tulang dan Klasifikasi Kualitas Tulang pada Citra Cone-Beam Computed Tomography (CBCT) untuk Perencanaan Implan Gigi. Doctoral thesis, Institut Teknologi Sepuluh Nopember.
![[thumbnail of monica_final.pdf]](http://repository.its.ac.id/style/images/fileicons/text.png) |
Text
monica_final.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy |
Abstract
Implan gigi merupakan akar gigi buatan yang ditanam pada tulang rahang untuk menggantikan gigi yang hilang. Pada perencanaan implan gigi, perlu
dilakukan pemeriksaan radiografi untuk mengukur kuantitas dan klasifikasi kualitas
tulang pada area implan. Cone Beam Computed Tomography (CBCT) merupakan
pencitraan radiografi menggunakan sinar X yang biasanya digunakan untuk
perencanaan implan gigi karena dapat memberi gambaran 3 dimensi, resolusi citra
tinggi, dan dosis radiasi rendah. Proses pengukuran kuantitas tulang dan penentuan
kualitas tulang dari citra CBCT membutuhkan ketelitian dan waktu yang tidak
sedikit, serta keakuratan hasil pengukuran bergantung pengalaman dan kemampuan
radiolog gigi. Oleh karena itu, diperlukan sistem yang dapat mempermudah dalam
mengukur kuantitas tulang dan klasifikasi kualitas tulang dari citra CBCT untuk
perencanaan implan gigi.
Penelitian ini mengusulkan sistem pengukuran kuantitas tulang dan
klasifikasi kualitas tulang dari citra CBCT dengan pendekatan deep learning untuk
perencanaan implan gigi pada rahang bawah. Dental-YOLO yang merupakan
pengembangan metode You Only Look Once versi 4 (YOLOv4) dirancang untuk
mendeteksi tulang alveolar dan kanalis mandibularis. Atribut bounding box dari
hasil deteksi digunakan untuk mengukur kuantitas tulang yaitu tinggi dan lebar
tulang. Sedangkan metode Residual Fully Convolutional Network (RFCN)
digunakan untuk segmentasi tulang alveolar dan kanalis mandibularis. Hasil dari
segmentasi digunakan untuk mengukur kuantitas tulang dan penentuan dimensi
implan. Metode YOLOv4-tiny digunakan untuk melakukan deteksi dan klasifikasi
kepadatan tulang alveolar dalam penentuan kualitas tulang berdasarkan sistem
klasifikasi tulang menurut Lekholm dan Zarb.
Data yang digunakan pada penelitian ini adalah citra grayscale dua dimensi
(2D) bidang coronal dari citra CBCT yang diperoleh dari Rumah Sakit Gigi dan
Mulut Pendidikan (RSGMP) Universitas Airlangga (Unair) Surabaya. Kinerja
deteksi tulang alveolar dan kanalis mandibularis mencapai mean average precision
sebesar 99%, sedangkan kinerja segmentasi tulang alveolar dan kanalis
mandibularis mencapai mean Intersection of Union sebesar 90%. P-value uji
ANOVA di atas nilai signifikansi 0,05, disimpulkan pengukuran tinggi dan lebar tulang sistem sesuai dengan pengukuran pakar radiolog gigi di RSGMP Unair.
Kinerja klasifikasi kualitas tulang mencapai mean average precision sebesar 99%.
Hasil yang baik dari sistem pengukuran kuantitas tulang dan klasifikasi kualitas
tulang yang telah dibuat ini diharapkan dapat membantu perencanaan implan gigi
menjadi efisien dengan hasil yang akurat.
| Item Type: | Thesis (Doctoral) |
|---|---|
| Uncontrolled Keywords: | CBCT, deep learning, implan gigi, kanalis mandibularis, tulang alveolar |
| Subjects: | R Medicine > R Medicine (General) > R858 Deep Learning R Medicine > RK Dentistry |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55001-(S3) PhD Thesis (Comp Science) |
| Depositing User: | Monica Widiasri |
| Date Deposited: | 07 Feb 2024 07:18 |
| Last Modified: | 07 Feb 2024 07:18 |
| URI: | http://repository.its.ac.id/id/eprint/106494 |
Actions (login required)
 |
View Item |