Konik ışınlı bilgisayarlı tomografi görüntüleri üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla faringeal havayolu değerlendirilmesi

Amaç: Bu çalışmanın amacı, konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik görüntüler üzerinde özel bir yapay zeka algoritması kullanılarak faringeal havayolunun tespitinin başarısını araştırmaktır. Materyal ve Metot: Çalışmamızın veri setini 1040 hastanın ortodontik tedavi öncesi alınan konik ışınlı bilgisayarlı tomografi görüntülerinden elde edilen lateral sefalometrik radyograflar üzerinde özel bir yapay zeka algoritması kullanılarak segmentasyon yöntemi serbest çizim tekniği ile uygulanmış ve faringeal havayolu belirlenmiştir. Görüntüler üzerinde havayolunun etiketlenmesi CranioCatch yazılımı (CranioCatch, Eskişehir, Türkiye) kullanılarak yapılmıştır. Bulgular: Yapay zeka modeli Yolov5 Segmentation Yolov5x modeli ile 500 epoch şeklinde eğitilmiştir. Çalışmada eğitilen yapay zeka modelinde Duyarlılık, kesinlik ve F1 skorları sırasıyla 1, 0.9903846154, 0.9951690821 şeklindedir. Modelin öğrenme oranı 0,01 olarak bulunmuştur. Sonuç: Çalışmamızda bulunamayan etiket olmamıştır ve model genel olarak başarılı olmuştur. Çalışmamız ilerleyen zamanlarda yapılacak olan derin öğrenme tabanlı KIBT raporlama sistemlerinin gelişimi açısından çok önemlidir. Bu sistemlerin klinik rutininde hekimlere zaman kazandırarak bir karar destek mekanizması rolü göreceği düşünülmektedir. Aynı zamanda faringeal havayolunun tespiti sırasında, gözlemciler arası farkların ve gözlemcilerin farklı zamanlardaki değerlendirmelerinde oluşabilecek tutarsızlıkların minumuma indirilmesi konusunda çok yardımcı olacağı tahmin edilmektedir. Anahtar Kelimeler: Derin öğrenme, faringeal havayolu tespiti, KIBT, yapay zeka