Yapay Zeka ile Bruksizm Hastalarında Maseter Kasının Ultrasonografi ile Segmentasyonu İçin Hipotetik Bir Yaklaşım

Özet

• Amaç: Çalışma, derin konvolüsyonel sinir ağı (D-CNN) tabanlı bir yapay zeka (YZ) sisteminin ultrasonografi (USG) görüntülerinde maseter kaslarının segmentasyonundaki başarısını değerlendirmeyi amaçlamaktadır.
• Materyaller ve Yöntemler:
  • Çalışma Tasarımı: Ankara Üniversitesi Diş Hekimliği Fakültesi radyoloji arşivinden alınan 195 anonimleştirilmiş USG görüntüsü ile retrospektif bir çalışma.
  • Teknoloji: Derin öğrenme için U-net, Pyramid Scene Parsing Network (PSPNet) ve Fuzzy Petri Net (FPN) mimarileri kullanıldı.
  • Karşılaştırma: Manuel segmentasyon ve ölçümler, YZ sonuçları ile istatistiksel olarak karşılaştırıldı.
  • İstatistiksel Analiz: Doğruluk, ROC AUC ve PRC AUC hesaplandı ve Mann-Whitney U testi kullanılarak insan gözlemcileri ile YZ modeli arasındaki farklar karşılaştırıldı.

Sonuçlar

• YZ modelleri (FPN, PSPNet, U-net), maseter kaslarının tespiti ve segmentasyonunda yüksek doğruluk gösterdi.
• D-CNN ölçümleri, manuel ölçümlerle tutarlılık gösterdi ve önemli bir fark bulunmadı.

Sonuç

YZ sistemi, USG görüntülerinde otomatik maseter kası segmentasyonu ve kalınlık ölçümü için umut verici olabilir ve profesyonellere teşhis konusunda yardımcı olabilirken zaman tasarrufu sağlayabilir.

Giriş

• Bruksizm, yetişkinlerin %8 ila %31'ini etkileyerek maseter kasında inflamasyon ve hipertrofi gibi sorunlara yol açabilir.
• Ultrasonografi (USG), kas değerlendirmesinde önemli bir tanı aracı olmakla birlikte, operatör deneyimine bağlı olarak sonuçlardaki değişkenlik bir zorluk oluşturur.
• YZ ve derin öğrenme, tıbbi görüntülemede doğruluk ve verimlilikte potansiyel iyileştirmeler sunar.

Materyaller ve Yöntemler

• Veri Toplama: Bruksizm tanısı almış 24 hastanın USG görüntüleri toplandı. Toplamda 195 görüntü kullanıldı ve bunlar eğitim (157), doğrulama (18) ve test (20) gruplarına ayrıldı.
• Görüntü Anotasyonu: Bir deneyimli radyolog tarafından yapılan manuel anotasyonlar temel doğruluk olarak kullanıldı.
• YZ Mimari Kullanımı: U-net, PSPNet ve FPN gibi YZ mimarileri kullanıldı.
• Model Eğitimi ve Değerlendirme: YZ modelleri maseter kaslarını tespit ve segmentasyon için eğitildi. Performans metrikleri doğruluk, hassasiyet, özgüllük, doğruluk, F1-skoru, ROC AUC ve PRC AUC hesaplandı.

Sonuçlar

• Özellikle FPN ve U-net YZ modelleri yüksek doğruluk gösterdi (sırasıyla 0.985 ve 0.969).
• AI ve manuel ölçümler arasında önemli bir fark bulunmadı (P > .05).

Tartışma

YZ sistemleri, bruksizm hastalarında maseter kasının değerlendirilmesinde tanısal doğruluk ve verimliliği artırma potansiyeline sahiptir. Bulgular, tıbbi görüntülemede YZ'nin etkinliğine dair önceki araştırmalarla uyumludur.

Sonuç

YZ tabanlı yaklaşım, USG görüntü analizi için maseter kasının otomatik segmentasyonunda etkili olup, teşhisi destekleyebilir ve klinik iş akışlarını potansiyel olarak iyileştirebilir.