Yapay Zekâ Algoritması Kullanılarak Kemento-Osseöz Displazilerin Segmentasyonu

Özet

Giriş ve Amaç: Son yıllarda yapay zekâ (YZ), tıbbi görüntülemede ve kemento-osseöz displaziler gibi kompleks kemik patolojilerinin analizinde güçlü bir araç olarak öne çıkmıştır. Bu çalışmanın amacı, konik ışınlı bilgisayarlı tomografi (CBCT) görüntülerinde YZ algoritmaları kullanarak kemento-osseöz lezyonların segmentasyonunu gerçekleştirmek ve kemento-osseöz displazilerin tanısı için geliştirilmiş bir tanısal YZ modelinin performansını değerlendirmektir.

Yöntemler: Çalışmada, Ağız ve Maksillofasiyal Radyoloji Anabilim Dalı radyoloji arşivinde farklı nedenlerle çekilmiş CBCT görüntüleri retrospektif olarak incelenmiştir. Radyografik değerlendirme sonucunda arşive kaydedilmiş ve kemento-osseöz displazi tanısı almış görüntüler belirlenmiştir. Toplam 50 DICOM görüntü 3D Slicer yazılımına yüklenmiş, kemento-osseöz displaziler poligonal olarak etiketlenmiş ve NIfTI (Neuroimaging Informatics Technology Initiative) formatında kaydedilmiştir. Lezyon segmentasyonu için nnU-Net v2 tabanlı otomatik algoritma, CranioCatch (CranioCatch, Eskişehir) yazılımı ve Python framework’ünde PyTorch kütüphanesi kullanılarak geliştirilmiştir (v3.6.1; Python Software Foundation). Verilerin %80’i eğitim, %10’u doğrulama ve %10’u test için kullanılmıştır. Sonuçlar doğruluk (precision), duyarlılık (sensitivity), Dice Katsayısı ve Jaccard İndeksi kriterlerine göre değerlendirilmiştir.

Bulgular: Kemento-osseöz displazilerin segmentasyonu için elde edilen doğruluk, duyarlılık, Dice Katsayısı ve Jaccard İndeksi sırasıyla 0,805, 0,889, 0,839 ve 0,730 olarak bulunmuştur.

Sonuçlar: Kullanılan model, kemento-osseöz displazilerin segmentasyonunda başarılı sonuçlar elde etmiştir. Bu çalışmanın sonuçları, hekimlere tanıda rehberlik sağlama açısından umut vericidir.

Klinik Önemi: Radyolojik görüntülerin hem tanı hem de takipte kritik rol oynadığı kemento-osseöz lezyonların otomatik segmentasyonu, lezyon sınırlarının hassas ve tutarlı bir şekilde tanımlanmasını, takip sürecinin standardize edilmesini ve uzun dönem çalışmalar için daha güvenilir veri sağlanmasını mümkün kılma potansiyeline sahiptir.