Derin Öğrenme Yöntemi Kullanılarak Geliştirilen Yapay Zeka Yöntemi ile Panoramik Radyografilerde Diş Restorasyonlarının Otomatik Tespiti ve Sınıflandırılması: Metodolojik Çalışmalar

Amaç: Bu çalışmanın amacı, panoramik radyograflarda diş restorasyonlarını otomatik olarak tespit etmek ve sınıflandırmak için derin öğrenme tabanlı bir yapay zeka (YZ) yöntemini kullanmaktır.

Materyaller ve Yöntemler

• Veri Hazırlığı
  • Veri Seti: 12-15 yaş arasındaki çocuklara ait toplam 789 panoramik radyografi kullanılmıştır. Radyograflar, Atatürk Üniversitesi Diş Hekimliği Fakültesi radyoloji arşivinden alınmıştır.
  • Gruplama: Panoramik radyograflar iki gruba ayrılmıştır: dolgular ve kök kanal tedavileri.
  • Model: Restoratif materyallerin tespiti ve segmentasyonu için PyTorch kütüphanesi ile uygulanmış olan U-Net modeli kullanılmıştır.
• Yapay Zeka Performansının Değerlendirilmesi
  • Karışıklık Matrisi Kullanılarak Değerlendirme
    • Dolgular Grubu: 50 görüntüde etiketlenmiş 94 dişten 89'u doğru pozitif, 1'i yanlış pozitif, ve 4'ü yanlış negatif olarak tespit edilmiştir. Hassasiyet, kesinlik ve F1 skorları sırasıyla 0.9569, 0.9888 ve 0.9726 olarak bulunmuştur.
    • Kök Kanal Tedavisi Grubu: 40 görüntüde etiketlenmiş 76 dişten 60'ı doğru pozitif, 0'ı yanlış pozitif, ve 11'i yanlış negatif olarak tespit edilmiştir. Hassasiyet, kesinlik ve F1 skorları sırasıyla 0.8450, 1 ve 0.9160 olarak bulunmuştur.

Sonuçlar ve Tartışma

• Derin Öğrenme Tabanlı Yapay Zeka Modellerinin Performansı: Derin öğrenme tabanlı YZ modelleri, çocukların kalıcı dişlenme dönemine ait panoramik radyograflarda restorasyonların otomatik tespitinde oldukça başarılı olmuştur. YZ araçları, kliniklerin zamanını tasarruf etmesine ve bir karar destek sistemi olarak yardımcı olmasına olanak tanır.
• İstatistiksel Analiz
  • Model Performansının Değerlendirilmesi İçin Kullanılan Yöntemler: Model performansı, doğru değerlerin bilindiği bir test veri setinde sınıflandırma modelinin performansını tanımlamak için yaygın olarak kullanılan bir tablo olan karışıklık matrisi kullanılarak değerlendirilmiştir.
• Çalışmanın Klinik Önemi
  • Diş Hekimliğinde Yapay Zeka Uygulamaları: Diş klinik uygulamaları teknoloji tarafından getirilen yeniliklere açıktır. YZ'nin adaptasyonu, çürük tespiti, pre-ortodontik tedavi planlaması, implant planlaması ve çenelerde gözlemlenen patolojilerin tanısı gibi birçok alanda uygulanabilir. Özellikle YZ'nin görüntü işleme ile uyumluluğu, radyoloji üzerine yapılan çalışmaları öne çıkarmaktadır.

Veri Seti ve Model Eğitimi

• Veri Setinin Ayrıntıları ve Model Eğitimi: Çalışma, Atatürk Üniversitesi Klinik Araştırmalar Etik Kurulu tarafından onaylanmıştır. Veri seti, dolgular ve kök kanal tedavileri ile diş restorasyonları olarak iki gruba ayrılmıştır.
  • Model Eğitimi: Model eğitimi, 16 GB RAM ve NVIDIA GeForce GTX 1060Ti ekran kartına sahip bir bilgisayarda gerçekleştirilmiştir. Eğitim öncesi, her panoramik radyografi 2,943x1,435 piksellik boyutlardan 1,024x512 piksellere küçültülmüştür.