Derin öğrenme yöntemiyle geliştirilmiş yapay zekâ algoritmalarıyla panoramik radyografilerde dens invaginatus tespiti

Amaç: Çalışmamızın amacı, panoramik radyografilerde dens invaginatuslu dişlerin tespitinde, iki farklı etiketleme ile YOLOv5 ve YOLOv8 derin öğrenme modelleri kullanılarak geliştirilen yapay zekâ uygulamasının başarısını ve güvenilirliğini değerlendirmektir. Gereç ve Yöntem: Bu çalışmada, 8-18 yaş arası hastalara ait 656 panoramik radyografi üzerinde üst anterior bölgedeki dens invaginatuslu dişlerin detection ve segmentasyon yöntemleri ile etiketlemesi yapıldı. Görüntüler üzerindeki etiketlemeler, CranioCatch (Eskişehir, Türkiye) yazılımı kullanılarak 2,5 yıllık deneyime sahip araştırma görevlisi ve 15 yıllık deneyime sahip çocuk diş hekimi uzmanı tarafından gerçekleştirildi. Her bir model kesinlik, duyarlılık ve F1 skorunu içeren performans kriterlerine göre değerlendirildi. Bulgular: YOLOv5 modelinin detection yöntemi ile etiketlemeler sonucu kesinlik, duyarlılık ve F1 skoru değerleri sırasıyla 0,945, 0,887 ve 0,915 iken; segmentasyon yöntemi için bu değerler 0,905, 0,928, 0,916 olarak bulundu. YOLOv8 modelinin detection yöntemi ile etiketlemeler sonucu kesinlik, duyarlılık ve F1 skoru sırasıyla 0,950, 1 ve 0,974 iken; segmentasyon yöntemi için bu değerler 0,940, 0,994, 0,966 olarak bulundu. Sonuç: Çalışmamızın sonuçlarına göre geliştirilen derin öğrenme modellerinin, dens invaginatus tespitinde başarılı olduğu görülmüştür. Derin öğrenme destekli sistemlerin çocuk diş hekimliği pratiğinde yer alabileceği ve hekimler için karar destek mekanizması olabileceği düşünülmektedir. Anahtar Kelimeler: Dens invaginatus, Panoramik radyografi, Yapay zekâ, YOLO