Ultrasonografi Üzerinde Mandibular Kondil Segmentasyonu için Derin Öğrenme Yaklaşımı

Özet

Derin öğrenme teknikleri, segmentasyon da dahil olmak üzere çeşitli alanlarda potansiyel göstermiş ve son dönemde tıbbi görüntü işleme uygulamalarına da uyarlanmıştır. Bu çalışmanın amacı, ultrason görüntülerinde mandibular kondilin segmentasyonunu değerlendirmek için tasarlanmış bilgisayar tabanlı bir tanısal yazılım geliştirmek ve değerlendirmektir. Toplamda 668 retrospektif ultrason görüntüsü, anonim yetişkin mandibular kondiller üzerinde analiz edilmiştir. Mandibular kondil, çokgen (polygonal) etiketleme yöntemi kullanılarak CranioCatch etiketleme programı (CranioCatch, Eskişehir, Türkiye) ile anotasyonlanmıştır. Bu anotasyonlar daha sonra ağız ve çene-yüz radyolojisi uzmanları tarafından gözden geçirilmiş ve doğrulanmıştır. Çalışmada tüm test görüntüleri, YOLOv8 derin öğrenme yapay zekâ (YZ) modeli kullanılarak tespit edilip segmentasyon yapılmıştır. Modelin görüntü tahmin performansı değerlendirilirken, F1 skoru 0,93, duyarlılık (sensitivity) 0,90 ve hassasiyet (precision) 0,96 olarak elde edilmiştir. Ultrason görüntülerinden mandibular kondilin otomatik segmentasyonu, yapay zekânın umut verici bir uygulamasını sunmaktadır. Bu yaklaşım, cerrahlar, radyologlar ve diğer uzmanların tanısal süreçte zaman tasarrufu yapmasına yardımcı olabilir.