Amaç ve Yöntem
- Çalışmanın ana amacı, panoramik radyografları doğru bir şekilde yorumlayabilen ve ağız sağlığı koşullarının teşhisinde yardımcı olabilecek bir derin öğrenme algoritması geliştirmektir.
- Çalışma, derin öğrenme modelinin eğitim ve test edilmesi için retrospektif bir yaklaşım benimseyerek panoramik radyografi veri setini kullanmıştır.
Başarı Metrikleri
- Derin öğrenme modelinin başarısı, test veri setindeki gözlemci teşhislerine dayanarak değerlendirildi; bu teşhisler, model performansını değerlendirmek için karşılaştırma standardı olarak hizmet etmiştir.
- Gözlemci teşhislerinden elde edilen etiketler, modelin performansını değerlendirmek için referans veri seti olarak kullanıldı.
CNN Mimarisi
- Çalışmada, çeşitli görüntülerde (radyograflar dahil) semantik segmentasyon görevleri için bilinen bir Konvolüsyonel Sinir Ağı (CNN) türü olan U-Net mimarisi kullanıldı.
- U-Net mimarisi, her blokta farklı konvolüsyon filtreleri içeren dört blok seviyesinden oluşmakta olup, piksel sınıflandırması ve görüntü segmentasyonu sağlamaktadır.
- Model eğitimi için enkoder ve dekoder yolları kullanılarak, enkoder yollarında maksimum havuzlama katmanları ve dekoder yollarında yukarı konvolüsyon katmanları dahil edildi.
Segmentasyon Yönteminin Avantajları
- Çalışmada kullanılan segmentasyon yöntemi, hastalığın şiddetini değerlendirmede ve tedavi planlamasında diş hekimlerine yardımcı olacak şekilde, kusurlu alanlar hakkında ayrıntılı bilgiler sağlamıştır.
- Segmentasyon yöntemi, kusur alanını ayrıntılı bir harita olarak işleyerek, panoramik radyografların yorumlanmasını görsel olarak geliştiren gelişmiş tanısal destek sunmuştur.
Karşılaştırma ve Sınırlamalar
- Diğer çalışmalarla yapılan karşılaştırmalar, hastalık şiddetini değerlendirmek için birden fazla gözlemci ve farklı AI mimarilerinin (U-Net ve Yolo-v4) kullanıldığını ortaya koymuştur.
- Çalışmanın sınırlamaları arasında, birden fazla gözlemcinin kararları ile AI tahminleri arasındaki ayrı karşılaştırmanın eksikliği ve yalnızca kemik kayıplarının tespitine odaklanılması, hastalık şiddetinin ölçülmemesi yer almaktadır.
Etik Değerlendirmeler
- Araştırma protokolü, Eskişehir Osmangazi Üniversitesi Etik Kurulu tarafından onaylanmış olup, tüm katılımcılar bilgilendirilmiş onam vermiştir, bu da etik yönergelere ve düzenlemelere uyumu sağlamıştır.
