Sefalometrik noktaların yapay zeka yöntemleri ile tespiti

Sefalometrik görüntüler üzerinde belirlenen noktalar kullanılarak yapılan sefalometrik analizler, ortodontik problemlerin tespiti ve tedavi yönteminin belirlenmesinde önemli bir araçtır. Geleneksel yöntemlerle yapılan analizler uzun zaman almakta ve sonuçlar, analizi yapan uzman hekimlere göre de farklılık gösterebilmektedir. Bu çalışmanın amacı, yapay zeka yöntemlerinin, sefalometrik analiz noktalarının tespitindeki başarısının ve uzman hekimlere yardımcı olup olamayacağının araştırılmasıdır. Bu çalışmada, 2015 yılında The IEEE ISBI 2015 Challenge kapsamında sefalometrik nokta tespiti algoritmalarının geliştirilmesi için halka açık yayınlanan veri seti kullanılmıştır. Bu veri seti, her bir görüntüde 19 farklı noktanın işaretlendiği toplam 400 lateral sefalometrik görüntüden oluşmaktadır. Veri setindeki görüntülerin 40 tanesi test, 360 tanesi eğitim için kullanılmıştır. Model eğitimi için Python programlama dili kullanılarak Pytorch kütüphanesi ile CNN ağı geliştirilmiştir. Eğitim, 300 epoch boyunca 0.001 öğrenme oranı ile sürdürülmüş, eğitim sonunda model kaydedilmiştir. Sefalometrik nokta tespiti için, klinik pratikte kabul edilebilir hata payı 2 milimetredir. Bu değerin üzerindeki tahminlerin, problem tespiti ve tedavi yönteminin belirlenmesinde hatalı sonuçlara neden olabileceği kabul edilmiştir. Yapılan eğitim sonucunda en başarılı tespit edilen nokta 7,82049 MRE ve 0,975 SDR değerleri ile Incision superius noktası, en başarısız tespit edilen nokta ise 43,20057 MRE ve 0,225 SDR değerleri ile Porion noktası olmuştur. Genel başarıya bakıldığında, %76.84 oranında başarılı tahmin oranının yakalandığı görülmektedir. Mevcut veri seti ile yapılan eğitim sonucunda, yapay zeka yöntemleri ile sefalometrik noktaların tespiti çalışmalarının, hekimlere karar destek mekanizması rolü üstlenebilecek bir başarıya yaklaştığı görülmektedir. Çalışmanın daha da geliştirilmesi ve hekimlerin kullanımına sunulması durumunda, önemli bir zaman kazancı sağlayabileceği, ayrıca hem farklı hekimlerin yaptığı işaretlemeler, hem de aynı hekimin farklı zamanlarda yaptığı işaretlemeler arasındaki tutarsızlıkların minimuma indirgeneceği düşünülmektedir.