Derin öğrenme teknikleriyle dinlenme halinde yüz cephe fotoğraflarında nokta tespiti algoritmasının geliştirilmesi

Amaç: Ortodontik tedaviler, yüz görünümünde belirgin değişikliklere yol açabilmektedir. Bu nedenle, hem teşhis aşamasında hem de tedavi planlamasında yüzün detaylı bir şekilde değerlendirilmesi önem kazanmaktadır. Geleneksel olarak antropometrik yöntemlerle yapılan bu değerlendirmeler, günümüzde daha pratik bir yaklaşımla fotoğraflar üzerinden gerçekleştirilmektedir. Sayısal bir değerlendirme yapabilmek için, yüz üzerindeki anatomik referans noktalarının yazılım desteğiyle otomatik olarak tespit edilmesi gerekmektedir. Bu çalışmada, derin öğrenme yöntemlerinin kullanılarak yüz fotoğraflarında bu referans noktalarını doğru bir şekilde belirleyebilme yeteneği araştırılmıştır. Materyal ve Metot: Derin öğrenme modeli oluşturulurken 1000 yüz fotoğrafı etiketlenmiştir. Çalışmamızda FarNet (Feature Aggregation and Refinement Network) mimarisi ve ResNet101 omurga ağı kullanılmıştır. Model, 900 fotoğraf içeren eğitim veri seti ile eğitilmiş ve 100 fotoğraftan oluşan test veri seti ile değerlendirilmiştir. Geliştirilen derin öğrenme modelinin performansı, ortalama radyal hata, standart sapma ve başarı tespit oranları hesaplanarak değerlendirilmiştir. Bulgular: Geliştirilen derin öğrenme modelinin ortalama radyal hata değeri 2.02 ± 2.47 mm olarak bulunmuştur. Model, 2.0 mm, 2.5 mm, 3.0 mm ve 4.0 mm aralıklarında sırasıyla %70.41, %77.33, %81.94 ve %88.89 başarı tespit oranlarına ulaşmıştır. 39 işaret noktası arasında, pupil right noktası 0.58 ± 0.72 mm ortalama radyal hata ile en düşük hata değerine sahip olmuştur. Pupil right noktası, 2.0 mm, 2.5 mm, 3.0 mm ve 4.0 mm aralıklarında en yüksek başarı tespit oranına ulaşmıştır. Sonuç: Derin öğrenme yöntemlerinin, anatomik işaret noktalarının tespitinde yeterli bir performans sergilediği görülmüştür.