Dental implant sistemlerinin tanımlanmasında yapay zeka ve insan gözlemci performansları: Derin öğrenme algoritmalarının etkisi

Amaç: Bu çalışmanın amacı, dental implant sistemlerini (DİS) tanımlamak amacıyla kullanılan yapay zeka (YZ) sistemlerinin etkinliğini karşılaştırmalı olarak değerlendirmek ve bunun insan gözlemcilerin DİS'leri tanımlama performansları üzerine etkisini araştırmaktır. Gereç ve Yöntem: Bu çalışmada, Aydın Adnan Menderes Üniversitesi Diş Hekimliği Fakültesi'nde, Ocak 2014 – Nisan 2024 tarihleri arasında implant tedavisi uygulanmış hastaların panoramik radyografileri geriye dönük olarak tarandı. Dahil edilme kriterlerini sağlayan beş DİS'e (Nucleoss T4, Nucleoss T6, Dentium Superline, Nobel Replace Tapered ve NTA Regular) ait toplam 1.143 implant görüntüsünü içeren 380 panoramik radyografi çalışmaya dahil edildi. Çalışmaya dahil edilen radyografiler Roboflow Annotate işaretleme aracı kullanılarak etiketlemeleri gerçekleştirildikten sonra ön işleme ve veri artırımı işlemleri uygulandı. Veri artırımı sonunda; %80'i eğitim, %10'u doğrulama ve %10'u test olacak şekilde 810 görüntüden oluşan nihai veri seti oluşturuldu. DİS'lerin tanımlanması amacıyla YZ tabanlı nesne tespit algoritmalarından YOLOv8l ve YOLOv10l algoritmaları kullanıldı. Algoritmaların performansını değerlendirmek için hata matrisleri, duyarlılık, kesinlik, F1 skoru ve mAP değerleri kullanıldı. İnsan gözlemci grubu için, dental implant tedavisi alanında en az bir yıllık deneyime sahip araştırma görevlileri ve öğretim elemanlarından 12 kişi randomize olarak seçildi. YZ desteksiz ve YZ destekli olarak hazırlanan çoktan seçmeli formlar insan gözlemciler tarafından dolduruldu. İnsan gözlemcilerin DİS'leri tanımlama performanslarını değerlendirmek amacıyla da hata matrisleri, duyarlılık, kesinlik ve F1 skoru değerleri kullanıldı. İnsan gözlemciler arasında genel performansların karşılaştırılması amacıyla doğru pozitif (DP) oranları esas alındı İstatistiksel analizler için Shapiro-Wilk testi ve Wilcoxon İşaretli Mertebeler Testi uygulandı. Bulgular: Duyarlılık, kesinlik, F1 skoru ve mAP değerleri YOLOv8 için sırasıyla; 0,94, 0,94, 0,94, 0,96 ve YOLOv10 için 0,95, 0,94, 0,95, 0,97 olarak saptandı. Genel doğruluk değerleri yakın olmasına rağmen YOLOv10 algoritmasının değerleri daha dar bir aralıkta değişti. YZ, insan gözlemcilerin DİS'leri tanımlama performansında, Nucleoss T4 grubunun duyarlılık değerleri hariç, tüm DİS gruplarında, incelenen tüm metriklerde (Duyarlılık, Kesinlik, F1 skoru) istatistiksel olarak anlamlı bir artış sağladı (p<0,05). İnsan gözlemci gruplarının DİS'leri tanımlama genel performansları YZ'nin performansının altında kaldığı gözlendi. Sonuçlar: Derin öğrenme algoritmaları DİS'leri tanımlamada yüksek doğruluk göstermiştir. YZ kullanımı, insan gözlemcilerin DİS'leri tanımlama performansını önemli ölçüde arttırmıştır. YZ sistemlerinin, DİS'lerin tanımlanmasında hekimlere yardımcı olabileceği görülmüştür. Anahtar Kelimeler: Dental İmplantlar, Yapay Zeka, Derin Öğrenme, İnsan Gözlemci.