Panoramik Radyografilerde Diş Travmalarının Otomatik Segmentasyonunda YOLO Modellerinin Karşılaştırmalı Performansı

Özet

Amaç: Bu çalışma, pediatrik hastaların travmatik diş yaralanmalarına ait panoramik filmlerini kullanarak, yapay zekâ tabanlı derin evrişimli sinir ağları YOLOv8, YOLOv11 ve YOLOv12’nin diş travmalarını segmentleme performansını karşılaştırmayı amaçlamıştır.

Yöntem ve Materyal: Gaziantep Üniversitesi Diş Hekimliği Fakültesi’ne başvuran, 6–13 yaş arası pediatrik hastaların panoramik radyografileri, diş yaralanmalarını otomatik olarak tespit ve sınıflandırmak için YOLOv8, YOLOv11 ve YOLOv12 modellerini kullanan bir yapay zekâ modeli (CranioCatch, Eskişehir-Türkiye) ile işlenmiştir.

Bulgular: YOLOv8, YOLOv11 ve YOLOv12’nin sert doku yaralanmalarında AUC değerleri sırasıyla 0,72, 0,69 ve 0,73; yumuşak doku yaralanmalarında ise 0,61, 0,67 ve 0,69 olarak bulunmuştur. Multisınıf F1 skorları sırasıyla 0,592, 0,653 ve 0,683’tür. Tüm modeller sert doku yaralanmalarını daha iyi ayırt edebilmiş ve en tutarlı sonuçlar YOLOv12 ile elde edilmiştir.

Sonuç: YOLOv12 tabanlı derin öğrenme modeli, pediatrik panoramik radyografilerde diş travmalarını tespit etmede diğer modellere kıyasla daha yüksek performans göstermiştir. Bununla birlikte, yapay zekâ henüz Diş Travmatolojisi alanında kusursuz bir performansa ulaşmamıştır. Bu nedenle, YZ araçlarının klinik karar destek mekanizmalarını daha iyi destekleyecek şekilde, uzman diş hekimleri ile iş birliği içinde geliştirilmesi önerilmektedir.