Periodontal Tanıda İlerleme: Konik Işınlı Bilgisayarlı Tomografi ile Periodontal Kemik Kaybı Paternlerini Belirlemede Gelişmiş Yapay Zekânın Kullanımı

Özet

Amaç: Bu çalışmanın amacı, gelişmiş bir yapay zekâ (YZ) algoritması ile segmentasyon yöntemi kullanarak konik ışınlı bilgisayarlı tomografi (CBCT) görüntülerinden diş varlığını, diş numaralandırmasını ve farklı periodontal kemik defekti tiplerini otomatik olarak tespit etmektir.

Yöntemler: Çalışmada 502 bireye ait CBCT hacimlerinden oluşan bir veri seti kullanılmıştır. İlk aşamada, otomatik diş segmentasyonu ve numaralandırması için 250 CBCT hacmi kullanılmıştır. Ardından, periodontal hastalık tanısı almış 251 hastaya ait CBCT hacimleri, web tabanlı etiketleme yazılımında segmentasyon yöntemi kullanılarak çeşitli periodontal kemik defektlerini tanımlayabilen bir YZ sisteminin eğitimi için kullanılmıştır. Üçüncü aşamada ise, periodontal olarak sağlıklı 251 bireye ait CBCT görüntüleri ile periodontal hastalığı olan 251 bireye ait görüntüler birleştirilerek, hastaları otomatik olarak periodontal olarak sağlıklı veya hasta şeklinde sınıflandırabilen bir YZ modeli geliştirilmiştir. İstatistiksel değerlendirme, alıcı işletim karakteristiği (ROC) eğrisi analizi ve karmaşıklık (confusion) matrisi modeli ile yapılmıştır.

Bulgular: Diş segmentasyonu, toplam alveoler kemik kaybı, suprabony defektler, infrabony defektler, perio-endo lezyonları, bukkal defektler ve furkasyon defektlerini segment etmek için geliştirilen modellerin ROC eğrisi altındaki alan (AUC) değerleri sırasıyla 0,9594; 0,8499; 0,5052; 0,5613 (kırpma ile AUC: 0,7488); 0,8893; 0,6780 (kırpma ile AUC: 0,7592) ve 0,6332 (kırpma ile AUC: 0,8087) olarak bulunmuştur. Ayrıca, sınıflandırma amaçlı CNN modeli, sağlıklı bireyler için %80, sağlıksız bireyler için ise %76 doğruluk oranı elde etmiştir.

Sonuçlar: Bu çalışmada, CBCT görüntüleri üzerinde YZ modelleri kullanılarak diş varlığı, diş numaralandırması ve çeşitli periodontal kemik defektleri otomatik olarak tespit edilmiş; yüksek doğruluk oranlarına ulaşılmış ve dental tanı süreçleri ile hasta bakımını geliştirme potansiyeli gösterilmiştir.