Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamaları aracılığıyla panoramik radyografiden diş yaşının tespiti ile demirjian diş yaşı belirleme yönteminin kıyaslanması

Derin Öğrenme Yöntemi Kullanılarak Geliştirilen Yapay Zekâ Uygulamaları Aracılığıyla Panoramik Radyografiden Diş Yaşının Tespiti ile Demirjian Diş Yaşı Belirleme Yönteminin Kıyaslanması Amaç: Bu çalışmanın amacı, çocuklara ait panoramik radyografilerden Demirjian yöntemiyle etiketlenen diş gelişim evrelerini kullanarak geliştirilen derin öğrenme tabanlı yapay zekâ modelinin diş yaşı tahminindeki performansını değerlendirmek ve bu modelin, aynı yöntemi manuel olarak uygulayan uzman ve araştırma görevlisi ile doğruluk ve güvenilirlik açısından karşılaştırılmasını sağlamaktır. Gereç ve Yöntem: Retrospektif tanımlayıcı tasarıma sahip bu çalışmada, 5–14 yaş aralığındaki çocuklara ait 1910 panoramik radyografi değerlendirilmiştir. Mandibular sol daimi dişler Demirjian yöntemine göre manuel olarak etiketlenmiş ve veriler, YOLOv8x tabanlı CranioCatch yazılımıyla geliştirilen yapay zekâ modeline öğretilmiştir. Modelin segmentasyon, nesne tespiti ve sınıflandırma performansı analiz edilmiş; diş yaşı tahminleri çocuk diş hekimi uzmanı, araştırma görevlisi ve yapay zekâ tarafından hesaplanarak istatistiksel olarak karşılaştırılmıştır. Bulgular: Yapay zekâ modeli, diş gelişim evrelerini sınıflandırmada orta düzeyde bir başarı sergilemiştir. Kadın bireylerde yöntemler arasında anlamlı fark saptanmazken, erkek bireylerde yapay zekâ ve araştırma görevlisi tarafından etiketlenen gelişim evrelerinden hesaplanan diş yaşları, kronolojik yaştan anlamlı biçimde yüksek bulunmuştur (p<0,05). Bununla birlikte, yapay zekâ modeli genel olarak diğer gözlemcilere kıyasla daha yüksek diş yaşı değerleri üretmiştir. Tüm gözlemciler arasında yüksek düzeyde uyum gözlenmiştir (ICC=0,927). Sonuç: Çalışma sonuçlarımıza göre Demirjian yöntemine dayalı yapay zekâ modeli, diş yaşı tahmininde ortalama düzeyde farklılık göstermiş olsa da, yöntemler arasında yüksek düzeyde gözlemci uyumu saptanmıştır. Bu çalışma, derin öğrenme algoritmalarının diş yaşı tahmininde destekleyici bir araç olarak potansiyel taşıdığını, ancak daha ileri boyutlu çalışmalarla model doğruluğunun artırılması ve sınıf bazlı performansın iyileştirilmesi gerektiğini göstermektedir. Anahtar Kelimeler: Çocuk diş hekimliği, Demirjian yöntemi, Derin öğrenme, Diş yaşı tahmini, Yapay zekâ, YOLOv8x