Panoramik radyografide teşhis edilen lezyonların otomatik tanısında yapay zeka programının etkinliği

---

Tezin Türü: Diş Hekimliğinde Uzmanlık

Tezin Yürütüldüğü Kurum: Hatay Mustafa Kemal Üniversitesi, Diş Hekimliği Fakültesi, Klinik Bilimler, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: ZARİF ECE HAMMUDİOĞLU

Danışman: Ceren Aktuna Belgin

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Giriş ve Amaç: Çalışmanın amacı, yapay zeka modelinin panoramik radyografide teşhis edilen kist, tümör ve benzeri patolojilerin tespitindeki etkinliğini araştırmaktır. Gereç ve Yöntem: Hatay Mustafa Kemal Üniversitesi Diş Hekimliği Fakültesi Ağız, Diş ve Çene Radyolojisi Anabilim Dalı'na başvuran 10-90 yaş arası 124.800 hastanın panoramik radyografileri ve klinik muayene bulgularının kayıtları retrospektif olarak incelenmiştir. Çalışmaya dahil edilme kriterlerine uyan toplamda 1000 hastaya ait bin üç yüz panoramik radyografi çalışmaya dahil edilmiştir. Panoramik radyografide tespit edilen lezyonlar, 1. lezyon varlığının tespiti, 2. lezyonun histopatolojik tanısının belirlenmesi (ameloblastoma, odontojenik keratokist, radiküler kist, dentigeröz kist, müköz retansiyon kisti, floroid osseöz displazi, odontoma, oral squamöz hücreli karsinom), 3. lezyonun içeriğinin tespiti, 4. lezyondan bağımsız çene bölgesinin lokalizasyonunun belirlenmesi, 5. lezyonun benign/malign tespiti olmak üzere beş başlıkta değerlendirilmiştir. CranioCatch yazılımı (CranioCatch, YOLOv8, Eskişehir-Türkiye) kullanılarak lezyonun sınırları manuel olarak belirlenmiştir. Sonuçlar karışıklık matrisi, kesinlik, duyarlılık ve F1 skoruna göre değerlendirilmiştir. Bulgular: Çalışmada lezyon varlığı tespiti için kesinlik 0,85, duyarlılık 0,80, F1 skoru ise 0,82; lezyonun histopatolojik tanısının tespiti için kesinlik 0,77, duyarlılık 0,86 ve F1 skoru 0,81 olarak bulunmuştur. Histopatolojik tanı için en yüksek genel değerler, müköz retansiyon kisti için 0,88, en düşük değer odontojenik keratokist için 0,52 olarak bulunmuştur. Lezyon içeriğinin tespitinde kesinlik 0,73, duyarlılık 0,72 ve F1 skoru 0,73; çene bölgesi lokalizasyonunun belirlenmesinde kesinlik 0,99, duyarlılık 1, F1 skoru 0,99; benign/malign lezyonların ayrımında ise kesinlik 0,90, duyarlılık 0,74 ve F1 skoru 0,82 olarak bulunmuştur. Sonuç: YOLOv8 algoritması panoramik radyografide görülen lezyonların tespitinde, lezyon içeriklerinin ve tanılarının doğru belirlenmesinde, lezyonların benign/malign ayırımını yapılmasında genel olarak başarılı olurken, çenelerin bölgesel lokalizasyonlarının tespitinde oldukça yüksek bir başarı göstermiştir. Anahtar kelimeler: Panoramik radyografi, kist, tümör, yapay zeka, YOLOv8.