Panoramik radyograflar üzerinde sabit bölümlü protezlerin tanımlanmasında yapay zeka algoritmasının başarısının değerlendirilmesi

Panoramik Radyograflar Üzerinde Sabit Bölümlü Protezlerin Tanımlanmasında Yapay Zekâ Algoritmasının Başarısının Değerlendirilmesi Amaç: Bu çalışmada, panoramik radyografiler üzerinde zirkonyum veneer ve metal destekli porselen veneer restorasyonların, yapay zekâ tabanlı bir model aracılığıyla otomatik olarak materyal bazında sınıflandırılması amaçlanmıştır. Literatürdeki restorasyon türü odaklı sınıflamalardan farklı olarak, bu çalışma materyal ayrımına odaklanarak klinik karar destek sistemlerine daha özgül bir katkı sağlamayı hedeflemiştir. Yöntem: Bu araştırmada, Süleyman Demirel Üniversitesi Diş Hekimliği Fakültesi arşivinden elde edilen panoramik radyografiler kullanılmıştır. Görüntü kalitesi düşük olanlar ve eksik diş içeren radyografiler çalışma dışı bırakılmıştır. Ön işleme süreci sonunda, uzman hekim tarafından ImageJ yazılımı kullanılarak etiketlenen toplam 593 kırpılmış ROI (Region of Interest) görüntüsü analiz kapsamına alınmıştır. Sınıf dengesizliğini azaltmak amacıyla yalnızca zirkonyum veneer sınıfındaki görüntüler için veri artırımı (data augmentation) uygulanmıştır. Döndürme, yansıma ve parlaklık değişimi gibi çeşitli görüntü işleme teknikleri kullanılarak zirkonyum sınıfındaki örnek sayısı artırılmış ve böylece her iki sınıf için birbirine yakın sayıda örnek ile dengeli bir veri seti elde edilmiştir. Model eğitimi için önceden eğitilmiş VGG16 mimarisi transfer öğrenme yöntemiyle kullanılmış ve son katmanlar yeniden eğitilerek ince ayar (fine-tuning) uygulanmıştır. Model, yalnızca sınıflandırma görevine odaklanacak şekilde yapılandırılmıştır. Tüm veri seti %70 eğitim, %20 doğrulama ve %10 test oranında rastgele ayrılmıştır. Modelin sınıflandırma başarımı doğruluk (accuracy), F1 skoru, duyarlılık (sensitivity) ve özgüllük (specificity) gibi temel performans metrikleri üzerinden değerlendirilmiştir. Bulgular: Model, test veri setindeki 94 görüntüden 90'ını doğru sınıflandırarak %96 genel doğruluk oranına ulaşmıştır. Her iki sınıf için de precision, recall ve F1-skoru değerleri %95–96 aralığında ölçülmüştür. Ayrıca, ROC eğrisi altında kalan alan (AUC) değeri 0,994 ve Average Precision (AP) skoru 0,995 olarak hesaplanmıştır. Confusion matrix verilerine göre yalnızca 4 görüntü yanlış sınıflandırılmıştır (2 false positive, 2 false negative). Sonuç: Çalışma sonucunda, geliştirilen yapay zekâ modelinin zirkonyum veneer ve metal destekli porselen veneer restorasyonları yüksek doğrulukla ayırt edebildiği görülmüştür. Materyal bazlı bu sınıflandırma yaklaşımı, literatürde ilklerden biri olarak hem teknik başarı hem de klinik uygulanabilirlik açısından dikkat çekicidir. Modelin ulaştığı performans değerleri, bu özgül görevde yapay zekânın anlamlı bir ayırt ediciliğe sahip olduğunu göstermektedir. Bu yönüyle çalışma, gelecekte geliştirilecek klinik karar destek sistemleri için özgün ve kullanılabilir bir temel sunmaktadır. Anahtar Kelimeler: Yapay Zeka, Zirkonyum Veneer, Metal Destekli Porselen Veneer