Panoramik Radyograflarda Dentigeröz Kistlerin Otomatik Tespiti: Bir Derin Öğrenme Çalışması

Giriş

• Arka Plan: Odontojenik kistler ve benign odontojenik tümörler genellikle ağrısız ve asemptomatik olup, yalnızca önemli sorunlar yaratacak kadar büyüdüklerinde fark edilirler. Bu lezyonlar genellikle rutin radyografik incelemelerle tespit edilebilir.
• Sorun: Bu lezyonların doğru teşhisi, radyografik yorumlama eğitimi ve deneyim gerektirir.
• Çözüm: Konvolüsyonel Sinir Ağları (CNN'ler), tanıda yardımcı olmak için tıbbi görüntülemede giderek daha fazla kullanılmaktadır. Bu çalışmanın amacı, diş hekimliği öğrencilerini AI uygulamalarıyla tanıştırmak için dentigeröz kistlerin ortopantomografilerde (OPG) tespitini sağlamak üzere bir model geliştirmektir.

Materyaller ve Yöntemler

• Veri Toplama: İki 5. sınıf diş hekimliği öğrencisi, histopatolojik olarak doğrulanmış 36 dentigeröz kisti olan OPG'yi belirlemiştir.
• Görüntü İşleme: Görüntüler 1024x514 piksele küçültüldü ve eğitim-doğrulama için dikey ve yatay döndürme ile artırıldı.
• Model Eğitimi: PyTorch kullanılarak 200 epoch boyunca bir U-Net CNN modeli eğitildi; veri seti 112 eğitim görüntüsü ve 16 doğrulama görüntüsü olarak ayrıldı.
• Değerlendirme: Modelin performansı yeni OPG'lerle test edildi ve kesinlik, hassasiyet ve F1 skoru ile değerlendirildi.

Sonuçlar

• Performans Metikleri: Model, 0.5 kesinlik, 1 hassasiyet ve 0.67 F1 skoru elde etti.
• Örnek Tespitler: Şekiller, mandibular üçüncü molarlarla bağlı dentigeröz kistlerin başarılı bir şekilde tespitini göstermektedir.

Tartışma

• Zorluklar ve Sınırlamalar: Çalışmanın küçük örneklem boyutu ve histopatolojik doğrulama yapılmamış vakaların hariç tutulması, modelin hassasiyet ve doğruluğunu sınırladı. Daha geniş testler için kamuya açık veri setlerine ihtiyaç duyulmaktadır.
• Diğer Çalışmalarla Karşılaştırma: Benzer çalışmalar, odontojenik lezyonların tespitinde değişen başarı seviyeleri elde etmiş, bazıları yüksek hassasiyet ve özgüllükle sonuçlanmıştır.

Sonuç

• Bulgular: CNN modeli, küçük bir veri seti ile bile dentigeröz kistlerin tespitinde potansiyel göstermiştir.
• Gelecek Yönelimler: Daha büyük veri setleri ve iyileştirilmiş yöntemler, modelin doğruluğunu artırabilir ve yeni diş hekimleri için değerli teşhis destekleri sağlayabilir.

Teşekkürler ve Katkılar

• Katkılar: E.O. ve I.T. kistik boşlukları tespit ve segmentasyon işlemlerini gerçekleştirmiştir, G.U. tarafından denetlenmiştir. I.S.B. ve O.C. görüntüleri işleyip modeli oluşturmuştur.
• Çıkar Çatışması: Beyan edilmemiştir.