Panoramik Radyografi Yorumlamasında Yapay Zekâ: Modern Radyolojik İnceleme Yöntemine Bir Bakış

Özet

Amaç: Panoramik radyografi, standart diş muayenelerinde sık kullanılan bir görüntüleme tekniğidir ve birçok avantaj sunar. Bu bağlamda, panoramik radyografi görüntülerini yorumlamak için derin öğrenme modelleri kullanarak klinik uygulamada hekimlere yardımcı olacak araçlar geliştirmeye yönelik çalışmalar yapılmıştır. Mevcut literatürdeki çalışmalar genellikle bu durumları ayrı ayrı ele almakta ve tüm bu durumları tespit edip segmentleyebilen çok sınıflı tanısal model geliştiren çalışmalar oldukça sınırlıdır. Bu nedenle, bu çalışmanın amacı, farklı radyografi cihazları ve ayarlarından elde edilen panoramik radyograflarda çeşitli dental sorunları ve anatomik yapıları doğru şekilde değerlendirebilen ve segmentleyebilen bir derin öğrenme modeli geliştirmektir.

Materyal ve Yöntem: Panoramik radyografiler, dental problemler, dental restorasyonlar, dental implantlar, anatomik referans noktaları, periodontal durumlar, çene patolojileri ve periapikal lezyonlar kategorilerinde toplam 33 farklı durum için etiketlenmiştir. Her etiketleme için yapay zekâ modelini geliştirmek amacıyla YOLOv8 modeli kullanılmıştır. Geliştirilen modellerin başarısı, karışıklık matrisi (confusion matrix) ile değerlendirilmiştir.

Bulgular: Algoritma, yetişkin diş numaralandırması, dolgu, dental implantlar, diş pulpası, kanal dolgu, mandibular kanal, mandibular kondil, mandibula ve farenks hava yolu gibi çeşitli dental özellikleri doğru tespit etmede 0,99–1,00 arasında doğruluk (precision) değeri elde etmiştir. Hassasiyet (sensitivity) açısından, yetişkin diş numaralandırması, dental implantlar, mandibular kanal, maksiller sinüs, mandibular kondil, mandibula açısı, nazal septum, mandibula ve sert damak en yüksek değerleri (0,99–1,00) göstermiştir. F1 skoru ise kanal dolgu, yetişkin diş numaralandırması, dental implantlar, mandibular kanal, mandibular kondil, mandibula açısı, mandibula ve farenks hava yolu için en yüksek değer olan 0,99–1,00’e ulaşmıştır.

Sonuç: Konvolüsyonel sinir ağlarına dayalı yapay zekâ, panoramik radyografilerde yapılan rutin klinik değerlendirmelerde gözlemlenen farklı durumları tespit etmede üstün performans sergileyen dikkat çekici bir yeteneğe sahiptir. Bu bulgular doğrultusunda, derin öğrenme tabanlı modellerin rutin klinik uygulamalarda hekimlere önemli ölçüde katkı sağlayabileceği güvenle söylenebilir.