Panoramik Radyografilerde Periapikal Lezyonların Tespitinde Derin Öğrenme Tabanlı Yaklaşım

Özet

Amaç: Diş panoramik radyografilerinde periapikal lezyonların segmentasyonunu tespit etmek için derin öğrenme yönteminin performansını değerlendirmek.
Çalışma Tasarımı: Gözlemsel çalışma.
Yer ve Süre: Van Yüzüncü Yıl Üniversitesi Diş Hekimliği Fakültesi, Van, Türkiye; Mart–Eylül 2024.
Yöntem: Periapikal lezyon segmentasyonu için YOLO algoritmasına dayalı YOLOv5 derin öğrenme modeli, 1.500 anonim panoramik radyografi kullanılarak geliştirilmiştir. Radyografiler, ilgili üniversitenin Radyoloji Arşivi’nden temin edilmiştir. Apikal lezyon segmentasyonu için PyTorch tabanlı YOLOv5 modeli kullanılmıştır. Veri seti eğitim (n = 1.200 radyografi / 2.628 etiket), doğrulama (n = 150 radyografi / 325 etiket) ve test (n = 150 radyografi / 368 etiket) gruplarına ayrılmıştır. Modelin etkinliği, karmaşıklık matrisi (confusion matrix) kullanılarak ölçülmüştür. Duyarlılık (recall), hassasiyet (precision) ve F1 skorları, modelin tahmin performansının nicel değerlendirmesini sağlamıştır.
Bulgular: YOLOv5 derin öğrenme algoritmasının duyarlılık, hassasiyet ve F1 skorları sırasıyla 0,682, 0,784 ve 0,729 olarak bulunmuştur.
Sonuç: Panoramik radyografilerde periapikal lezyonlar, derin öğrenme algoritmaları kullanılarak güvenilir bir şekilde tespit edilebilir. Yapay zekâ ve derin öğrenme yöntemleri, diş sağlığı alanında hem sistem hem de uygulayıcılar için avantaj sağlayarak devrim niteliğinde gelişmeler sunmaktadır. Mevcut YOLO tabanlı sistem cesaret verici bulgular verse de, gelecekteki araştırmalarda tespit sonuçlarını geliştirmek için ek veri toplanması önerilmektedir.