Konik Işınlı BT Görüntülerinde Belirli Anatomik Yapıların Segmentasyonu İçin Yeni Bir Derin Öğrenme Çerçevesinin Uygulanması

Özet

Amaç: Konik ışınlı bilgisayarlı tomografi (CBCT) görüntülemesi diş hekimliğinde kritik bir rol oynamaktadır. CBCT görüntülerinde anatomik yapıların otomatik tahmini, tanı ve planlama süreçlerini geliştirme potansiyeline sahiptir. Bu çalışmanın amacı, derin öğrenme algoritması kullanarak CBCT görüntülerinde anatomik yapıların otomatik olarak tahmin edilmesini sağlamaktır.

Materyal ve Yöntem: 70 hastaya ait CBCT görüntüleri analiz edilmiştir. Anatomik yapılar, iki dentomaksillofasiyal radyoloji uzmanı tarafından etiketleme yazılımı içindeki bölgesel segmentasyon aracı kullanılarak işaretlenmiştir. Her hacimsel veri seti 405 dilimden oluşmuş olup, ilgili anatomik yapılar her dilimde işaretlenmiştir. 70 DICOM görüntü NIfTI formatına dönüştürülmüş, yedisi test için ayrılmış ve kalan altmış üçü eğitimde kullanılmıştır. Eğitim, nnU-Netv2 ile 0,01 başlangıç öğrenme oranı ve her epoch’ta 0,00001 azalma olacak şekilde, toplam 1000 epoch boyunca gerçekleştirilmiştir. İstatistiksel analizde doğruluk (accuracy), Dice skoru, hassasiyet (precision) ve duyarlılık (recall) ölçütleri kullanılmıştır.

Bulgular: Segmentasyon modeli, nazal fossa, maksiller sinüs, nasopalatinal kanal, mandibular kanal, foramen mentale ve mandibula foramen için sırasıyla 0,99 doğruluk değerine ulaşmıştır. Buna karşılık Dice skorları sırasıyla 0,85, 0,98, 0,79, 0,73, 0,78 ve 0,74 olarak bulunmuştur. Hassasiyet değerleri 0,73 ile 0,98 arasında değişmiştir. Maksiller sinüs segmentasyonu en yüksek performansı gösterirken, mandibular kanal segmentasyonu en düşük performansı göstermiştir.

Sonuç: Bulgular, çoğu anatomik yapıda yüksek doğruluk ve hassasiyet sağlandığını, Dice skorlarındaki farklılıkların ise segmentasyon tutarlılığını gösterdiğini ortaya koymaktadır. Genel olarak, segmentasyon modelimiz CBCT görüntülerinde anatomik yapıların belirlenmesinde güçlü performans sergilemekte olup, diş hekimliğinde tanı ve tedavi planlaması için potansiyel uygulamalara işaret etmektedir.