Ortodontik fotoğraflar üzerinden derin öğrenme yöntemiyle geliştirilmiş yapay zeka algoritmalarıyla mandibular asimetrinin değerlendirilmesi

Amaç: Bu çalışmanın amacı, ortodontik fotoğraflar üzerinden derin öğrenme tabanlı bir yapay zeka algoritması geliştirerek mandibular asimetri varlığının otomatik olarak tespit edilmesini sağlamaktır. Geliştirilen sistemin, gözlemciye bağlı farklılıkları azaltarak tanısal süreci standartlaştırması hedeflenmiştir. Materyal ve Metot: Çalışmada toplam 2598 adet istirahat cephe yüz fotoğrafı kullanılmıştır. Veriler eğitim (%80), doğrulama (%10) ve test (%10) setlerine ayrılmıştır. Model, 300 epoch boyunca 640 piksel giriş boyutu ve 16 batch size ile eğitilmiştir. Veri dengesizliği göz önünde bulundurularak veri artırımı teknikleri uygulanmıştır. Model performansı doğruluk, kesinlik, duyarlılık ve F1 skoru ile değerlendirilmiştir. Bulgular: Modelin genel doğruluk değeri %70.0 olarak elde edilmiştir. "Asimetri Yok" sınıfında model, 0.82 F1 skoru, 0.71 kesinlik ve 0.96 duyarlılık ile yüksek bir tanı başarısı göstermiştir. Buna karşılık "Asimetri Var" sınıfında duyarlılık 0.10 düzeyinde kalmış ve F1 skoru 0.17 olarak hesaplanmıştır. Bu bulgular, modelin asimetri var sınıfına ait örnekleri büyük ölçüde kaçırdığını ve asimetrik vakaları tanımada sınırlı performans sergilediğini göstermektedir. Sonuç: Elde edilen bulgular, istirahat cephe fotoğrafları üzerinden mandibular asimetri tespitine yönelik derin öğrenme modellerinin uygulanabilir olduğunu, ancak doğrudan sınıflandırma tabanlı yaklaşımın asimetriyi belirleyen ince geometrik farklılıkları yeterince yakalayamadığını ortaya koymaktadır. Gelecekte landmark tabanlı ölçümlerle zenginleştirilmiş modellerin ve daha kapsamlı veri artırımı uygulamalarının performansı artırabileceği düşünülmektedir.