Periapikal Radyografilerde Dış Kök Rezorbsiyonunun YOLO Tabanlı Derin Öğrenme Modeli ile Tespiti

Özet

Amaçlar: Dış kök rezorbsiyonu, genellikle herhangi bir belirti göstermeden gelişen ve tanı konulduğunda ciddi diş dokusu kaybına yol açarak diş çekimini gerektirebilen yıkıcı bir süreçtir. Bu nedenle, dış kök rezorbsiyonu tanısına yardımcı olabilecek yapay zekâ algoritmalarının geliştirilmesi amaçlanmıştır.

Yöntemler: Çalışmada kullanılan 110 çekilmiş diş, 8 saat boyunca %40 nitrik asit çözeltisi uygulanarak demineralize edilmiş, ardından 10 dakika %8 sodyum hipoklorit ve distile su ile yıkama işlemi uygulanmıştır. Hazırlanan dişler, radyokonjuge fantom modele yerleştirilmiş ve görüntülenmiştir. Çalışmada kullanılan dişlerden elde edilen veri seti toplam 584 periapikal radyografiden oluşmaktadır. Dış kök rezorbsiyonunu tespit etmek için YOLOv5x-cls ve YOLOv5x-seg modelleri kullanılmıştır.

Bulgular: Dış kök rezorbsiyonunun sınıflandırılması için kullanılan YOLOv5x-cls modelinin F1 skoru 1,0 olarak bulunmuş ve bu, modelin test aşamasında yüksek başarı sağladığını göstermektedir. Dış kök rezorbsiyonunun segmentasyonu için kullanılan YOLOv5x-seg modelinde F1 skoru 0,8593 olarak bulunmuştur. Bu değer, modelin test aşamasında etkili bir şekilde çalıştığını göstermektedir. Ayrıca sınıflandırma modelinin segmentasyon modeline göre daha başarılı olduğu belirlenmiştir.

Sonuçlar: Bu çalışmada, yapay zekâ algoritmaları kullanılarak çene kemiği radyopaklığı ile uyumlu fantom model üzerinden kimyasal dış kök rezorbsiyonu gösteren dişlerin radyolojik değerlendirmesi yapılmıştır. Yapay zekâ ile dış kök rezorbsiyonu alanlarının tespitinde yüksek başarı oranları elde edilmiştir.