Ağız içi ortodontik fotoğraflar üzerinde derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla dental maloklüzyonların angle sınıflamasına göre tespiti

Amaç: Bu çalışmanın amacı, ağız içi sağ ve sol bukkal fotoğraflar kullanılarak Angle maloklüzyon sınıflarının derin öğrenme yöntemleriyle sınıflandırılabilirliğini değerlendirmek ve YOLOv8x-cls mimarisi temelinde bir model geliştirmektir. Materyal ve Metot: Çalışmada toplam 1296 adet standardize edilmiş ağız içi görüntü kullanılmıştır. Veriler eğitim (%80), doğrulama (%10) ve test (%10) setlerine ayrılmıştır. Model, 300 epoch boyunca 640 piksel giriş boyutu ve 16 batch size ile eğitilmiştir. Sınıf dengesizliği göz önünde bulundurularak veri artırımı (data augmentation) teknikleri uygulanmıştır. Model performansı doğruluk, kesinlik, duyarlılık ve F1 skoru ile değerlendirilmiştir. Bulgular: Genel doğruluk oranı %78.2 olarak elde edilmiştir. En yüksek sınıflandırma başarımı Sınıf II grubunda gözlenmiş olup %86.47 doğruluk ve 0.86 F1 skoru elde edilmiştir. Sınıf I için %80.45 doğruluk ve 0.74 F1 skoru, Sınıf III için ise %89.47 doğruluk ancak daha düşük F1 skoru (0.63) kaydedilmiştir. Bu durum, sınıf dengesizliğinin ve veri artırımı stratejilerinin model başarımına etkisini göstermektedir. Sonuç: Elde edilen bulgular, ağız içi görseller üzerinden Angle sınıflamasının yapay zeka destekli sistemlerle başarılı şekilde yapılabileceğini ortaya koymaktadır. Modelin klinik ortamlarda karar destek sistemi olarak kullanılabilmesi adına umut verici olduğu düşünülmektedir. Anahtar Kelimeler: Ağız içi fotoğraflar, Angle sınıflaması, Derin öğrenme, Maloklüzyon, Yapay zeka, YOLOv8x-cls.