Konik ışınlı bilgisayarlı tomografi ile tespit edilen mandibular ikinci molarlardaki C şekilli kanalların panoramik radyograflar üzerinde tespit edilme doğruluklarının derin öğrenme yöntemiyle geliştirilmiş yapay zekâ algoritmalarıyla değerlendirilmesi

Amaç: Bu çalışmanın amacı konik ışınlı bilgisayarlı tomografi (KIBT) yardımı ile eğitilmiş panoramik radyografiler üzerinde mandibular 2. molarlardaki C şekilli kanal formasyonun farklı derin öğrenme algoritmaları ile tespitini yapabilmektir. Yöntem: Çalışmamıza Pamukkale Üniversitesi, Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı arşivinde dijital panoramik radyografisi ve konik ışınlı bilgisayarlı tomografi görüntüleri bulunan ve 37 veya 47 numaralı dişlerinden en az birisinin ağız içerisinde bulunduğu 592 hastaya ait görüntüler (C şekilli kanal bulunan 289 ve C şekilli olmayan 303 panoramik radyografi) dahil edildi. C şekilli kanal bulunan 289 panoramik radyografiden tek taraflı ve çift taraflı olmak üzere 422 adet ve C şekilli kanal bulunmayan 303 panoramik radyografiden C şekilli kanal sayısıyla aynı olacak şekilde 422 adet 37 ve 47 numaralı dişler panoramik radyografide etiketlendi. Böylece C şekilli kanal bulunan ve bulunmayan 844 adetlik görüntü veri setimiz oluşturuldu. C şekilli bir kanalın varlığını doğrulamak için KIBT görüntüleri altın standart olarak kabul edildi. Veri setimizi oluşturan 844 panoramik görüntüdeki C şekilli kanallı diş tespiti için 11 farklı derin öğrenme modelinin (InceptionV3, VGG19, Xception, ResNet152V2, EfficientNetB1, EfficientNetB0, VGG16, ResNet50, ResNet50V2, DenseNet169 ve DenseNet201) orijinal ve ön işleme yapılan panoramik görüntülerinden 37 ve 47 numaralı dişlerde (kron-kök ve sadece kök şeklinde iki ayrı grup olacak şekilde) C şekilli kanalların tespit doğruluk performansı araştırıldı. Ayrıca random majority görüntülerin karmaşıklık matris kullanılarak performans metrikleri değerlendirildi. Bulgular: Kron ve kök veri setimizdeki orijinal ve ön işlemli görüntüler için en yüksek ortalama doğruluk değerleri 0,885 (%88,5) ve 0,886 (%88,6), sadece kök veri setimizdeki orijinal ve ön işlemli görüntüler için en yüksek ortalama doğruluk değerleri 0,892 (%89,2) ve 0,887 (%88,7) olarak bulundu. Kron ve kök veri ve sadece kök veri setlerindeki random majority görüntülerin en yüksek doğruluk performans metrik sonuçları sırasıyla 0,902 (%90,2) ve 0,897 (%89,7) olarak bulundu. Kron-kök veri setindeki görüntülere ön işlem yapıldığında InceptionV3, VGG19, Xception ve ResNet152V2 derin öğrenme mimarilerinin ortalama doğruluk değeri arttı, EfficientNetB1, EfficientNetB0, VGG16, ResNet50, ResNet50V2, DenseNet169 ve DenseNet201 derin öğrenme mimarilerinin ortalama doğruluk değeri azaldı. Kök veri setindeki görüntülere ön işlem yapıldığında EfficientNetB0, ResNet50, ResNet50V2, Xception ve ResNet152V2 derin öğrenme mimarilerinin ortalama doğruluk değeri arttı; kök veri setindeki görüntülere ön işlem yapıldığında InceptionV3, EfficientNetB1, VGG16, VGG19, DenseNet169 ve DenseNet201 derin öğrenme mimarilerinin ortalama doğruluk değeri azaldı. Sonuç: Derin öğrenme mimarilerinin kombine kullanımı ile yüksek performans değerlerine ulaşılmıştır. Çalışmamız endodontik kanal tedavilerinin başarısı açısından C şekilli kanalların tespiti için önemli bir niteliktedir ve derin öğrenme modelleri klinisyenlere yardımcı olabilecek yeterliliktedir. Anahtar Kelimeler: C şekilli diş kök kanalı, endodontik tedavi, derin öğrenme, ön işlemli görüntüler