Derin öğrenme algoritmaları ile dental implant markalarının otomatik tanımlanması

Amaç: Dental implant markasının belirlenememesinden kaynaklanan problemlerin azaltılmasının bir yolu olarak panoramik radyografiler üzerinden çeşitli dental implant markalarının derin öğrenme algoritmalarıyla sınıflandırılması amaçlanmıştır. Yöntem: Toplam 5375 kırpılmış panoramik radyografiden dört farklı dental implant sistemine (NucleOSS, Medentika, Nobel ve Implance) ait görüntüler kullanılmıştır. Görüntüleri netleştirmek ve bulanıklığı azaltmak amacıyla Contrast Limited Adaptive Histogram Equalization (CLAHE) filtresi uygulanmıştır. Dört farklı dental implant sistemini sınıflandırmak için GoogleNet, ResNet-18, VGG16 ve ShuffleNet derin öğrenme algoritmaları kullanılmıştır. Algoritmaların sınıflandırma başarısını değerlendirmek için ROC eğrisi ve hata matrisleri oluşturulmuştur. Bu hata matrisleri üzerinden doğruluk, kesinlik, duyarlılık ve F1 skoru hesaplanmıştır. Performans metriklerinin sonuçlarının algoritmalara göre karşılaştırılmasında Z testi kullanılmıştır. Bulgular: Derin öğrenme algoritmalarının doğruluk oranları GoogleNet oranı %96,00, ResNet-18 oranı %84,40, VGG16 oranı %98,90 ve ShuffleNet oranı %84,80 olarak elde edilmiştir. VGG16 algoritması ile GoogleNet, ShuffleNet ve ResNet-18 algoritmalarının doğruluk oranları arasında istatistiksel olarak anlamlı bir fark vardır (sırasıyla p<0,001, p<0,001, p<0,001). ROC eğrileri incelendiğinde kullanılan dört algoritmada da ROC eğrisi (0,1) noktasına yakın olup, modelin iyi performans gösterdiği bulgusu elde edilmiştir. Hata matrisleri incelendiğinde ise kullanılan tüm algoritmalarda NucleOSS ve Medentika markaları en sık karıştırılan dental implant markaları olmuştur. Sonuç: Yüksek doğruluk oranlarının elde edilmesi ile birlikte derin öğrenme algoritmalarının, dental implant markalarının belirlenmesinde kullanılabilecek değerli ve güçlü bir yöntem olduğu düşünülmektedir. Anahtar Kelimeler: dental implant, derin öğrenme, otomatik tanımlama