Research Information System
Türk Periodontoloji Derneği 50. Uluslararası Bilimsel Kongresi, İstanbul, Turkey, 5 - 06 November 2021, pp.64
Amaç: Periodontal ve peri-implant hastalık ve durumların
2018 yılında yayınlanan ve kullanıma sunulan güncel
sınıflaması, kriterleri nedeniyle özellikle deneyimsiz
klinisyenler için birtakım zorluklar içermekte ve tanısal
çelişkilere neden olmaktadır. Bu çalışmada, periodontitis
evre ve derecelendirmesinin kolaylaştırılmasında yapay
zekâ ile modelleme yapabilmek için klinik ölçüm ve
radyografik görüntüler kullanılarak derin evrişimsel sinir
ağı tabanlı bir karar sistemi tasarımının gerçekleştirilmesi
amaçlanmıştır.
Gereç-Yöntem: Çalışmanın deneysel analizinin ilk
kısmında Süleyman Demirel Üniversitesi Diş Hekimliği
Fakültesi Periodontoloji Anabilim Dalı’na başvuran 144
bireye ait klinik veriler aracılığıyla Python yazılım dili ile
Orange (ver. 3.29) programı kullanılarak bir yapay zekâ
modeli oluşturulmuştur. İkinci kısımda ise panoramik
radyografik görüntüleri işlenerek derin öğrenme
algoritmaları ile sınıflandırma gerçekleştirilmiştir.
Bulgular: Klinik veriler kullanılarak “Ağaç algoritması”
ile evre belirleme başarısı %97,2, “Rastgele Orman” ve
“K-En yakın Komşu” algoritmaları ile derece belirleme
başarısı %98,6 doğruluk değerine ulaşmıştır. Panoramik
radyografik görüntülerin işlenmesinde en iyi evreleme
doğruluk değerini; görüntülerin ön işlemden geçirilmiş
olduğu, önerilen Resnet50 mimarisi ile Destek Vektör
Makinesi algoritmasının birleştirildiği hibrit bir ağ modeli
algoritması vermiş olup, %88,2 sınıflandırma doğruluk
değeri ile yüksek bir başarı göstermiştir. Genel olarak
derece doğruluk değerlerinin modellemesi için radyografik
görüntülerin düşük başarı sağladığı görülmüştür.
Sonuç: Çalışmamızda oluşturulan bu karar ağı sisteminin
mevcut kısıtlarına rağmen güncel sınıflamaya göre
periodontal tanının konmasını kolaylaştırabileceği sonucuna
varılmıştır. Algoritmanın optimizasyonu ve sonuçların
iyileştirilmesi için ileri çalışmalar planlanmaktadır