SÜMEYYE COŞGUN BAYBARS, ÇAĞLA DANACI, SEDA ARSLAN TUNCER
Düzce Tıp Fakültesi Dergisi - 2024;26(3):203-208
Amaç: Bu çalışmada derin öğrenme tabanlı EfficientNet yöntemi kullanılarak mukos retansiyon kistlerinin yüksek doğruluk ve düşük hata ile klinik tanı ve tedavi planlamasının yapılması amaçlanmıştır. Bu amaçla panoramik radyografik görüntüler kullanılarak sağlıklı bireyleri mukos retansiyon kisti olan bireylerden ayıran hibrit bir yaklaşım sunulmuştur. Gereç ve Yöntemler: Fırat Üniversitesi Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı’na 2020 ve 2022 yılları arasında başvuran ve çeşitli nedenlerle panoramik radyografi çekilmiş olan hastaların radyografileri geriye dönük olarak değerlendirilmiştir. Mukos retansiyon kisti bulunan 82 panoramik radyografi ve mukus retansiyon kisti bulunmayan 79 panoramik radyografi olmak üzere toplamda 161 radyografi bu çalışmaya dahil edilmiştir. Sınıflandırma sürecinde EfficientNet’in B0’dan B7’ye kadar sekiz farklı derin öğrenme modeli kullanılarak görüntülerin derin özellik temsilleri veya özellik haritaları oluşturulmuştur. Bu ağlardan elde edilen verimli özellikler, destek vektör makinesi sınıflandırıcısına girdi olarak verilmiş ve sağlıklı bireyler ile mukos retansiyon kisti olan hastalar sınıflandırılmıştır. Bulgular: Model eğitimleri sonucunda EfficientNetB6 modelinin en iyi performansı sergilediği belirlenmiştir. Modelin tüm performans parametreleri birlikte değerlendirildiğinde, doğruluk, kesinlik, duyarlılık, özgüllük ve F1 puanı değerleri sırasıyla 0,878, 0,785, 0,916, 0,857 ve 0,846 olarak elde edilmiştir. Sonuç: Önerilen hibrit yapay zeka modelinin mukos retansiyon kisti teşhisinde başarılı bir sınıflandırma performansı göstermiştir. Bu çalışmanın aynı amaca hizmet edecek gelecekteki diğer çalışmalara ışık tutacağı düşünülmektedir.
