Gömülü Maksiller Üçüncü Molarların Çekim Zorluğunu Derin Öğrenme Yaklaşımı ile Tahmin Etmek

Amaç

Bu çalışma, gömülü maksiller üçüncü molarların cerrahi zorluk derecesini panoramik görüntüler kullanarak tahmin etmek için bir derin öğrenme (DL) modelinin yeteneğini değerlendirmeyi amaçlamaktadır.

Yöntemler

• Veri Toplama: 708 hastadan panoramik radyografiler kullanıldı.
• DL Modeli: YoloV5x mimarisi, derinlik (V), açı (H), maksiller sinüs ilişkisi (S) ve ramus ilişkisi (R) analiz ederek otomatik segmentasyon ve sınıflandırma için kullanıldı.
• Eğitim ve Doğrulama: Veriler %80 eğitim, %10 doğrulama ve %10 test setlerine bölündü. Uzman radyologlar tarafından yapılan manuel segmentasyonlar, referans olarak kullanıldı.
• Performans Metrikleri: Performans, Dice Benzerlik Katsayısı (DSC), Birliktelik Kesimi (IoU), kesinlik, geri çağırma ve genel segmentasyon doğruluğu kullanılarak değerlendirildi.

Bulgular

• Segmentasyon Doğruluğu: DL modeli, manuel segmentasyonlarla yakın eşleşen yüksek doğruluk ve DSC elde etti.
• Verimlilik ve Tutarlılık: DL modeli, segmentasyon süresini önemli ölçüde azalttı ve farklı hastalar ve görüntüleme koşulları arasında tutarlı sonuçlar sağladı.

Klinik Önemi

• Teşhis ve Planlama: Yapay zeka, sinüs patolojilerinin daha hızlı ve doğru teşhis edilmesine yardımcı olabilir ve dental implant planlaması ve cerrahi müdahaleler için hassas anatomik haritalar sağlayabilir.
• Manuel Segmentasyon ile Karşılaştırma: Anatomik varyasyonlardan dolayı bazı vakalarda küçük farklılıklar gözlemlendi ve model eğitimi ve doğrulamanın sürekli yapılmasının önemi vurgulandı.

Tartışma

• YZ'nin Avantajları: YZ, manuel segmentasyona hızlı ve tutarlı bir alternatif sunarak radyologların iş yükünü azaltır ve klinik karar verme sürecini hızlandırır.
• Zorluklar ve Gelecek Yönelimler: Modelin genellenebilirliğini artırmak için geniş ve çeşitli eğitim veri setlerine ihtiyaç vardır. Gelecek araştırmalar, YZ segmentasyonunun diğer tanı araçlarıyla entegrasyonunu ve farklı anatomik bölgeler ve patolojilere uygulanmasını keşfetmelidir.

Sonuç

CNN'lere dayalı YZ sistemleri, CBCT görüntülerinde gömülü maksiller üçüncü molarların otomatik segmentasyonu için oldukça etkilidir. YZ destekli segmentasyonun yüksek doğruluğu ve verimliliği, diş hekimliği ve tıptaki çeşitli klinik uygulamaları geliştirme potansiyeline sahiptir. YZ teknolojisindeki sürekli ilerlemeler ve daha fazla araştırma, klinik uygulamada potansiyelini tamamen gerçekleştirmek için önemlidir.