YAPAY ZEKÂ YÖNTEMLERİ İLE KÖK UCU AÇIKLIĞININ TESPİT EDİLMESİ

Abstract

Giriş: Dişler, çiğneme ve konuşma gibi temel işlevlerde rol oynar. Diş morfolojisinin değerlendirilmesi, tanı ve tedavi planlamasında kritik öneme sahiptir. Kök ucu açıklığı, kök gelişiminin tamamlanmadığını gösteren önemli bir radyolojik bulgudur. Bu durum, özellikle genç bireylerde endodontik ve ortodontik tedavi planlamasını etkiler. Çürük, travma veya patolojik lezyonlar kök gelişimini durdurabilir ve kök ucunun açık kalmasına neden olabilir. Bu gibi durumlar, klinik açıdan teşhis ve tedaviyi zorlaştırır. Panoramik radyografiler, düşük doz ve geniş görüş alanı avantajı nedeniyle sık tercih edilen görüntüleme yöntemlerindendir. Bu çalışmada, panoramik radyografilerde daimi dişlerin kök ucu açıklığını sınıflandırmak amacıyla yapay zekâ tabanlı bir model geliştirilmiştir. Metaryel ve Metot: Fırat Üniversitesi arşivinden alınan 512 panoramik radyografiden manuel olarak çıkarılan 902 tek köklü diş görüntüsü, "kök ucu kapalı", "anatomik olarak açık" ve "patolojik olarak açık" olmak üzere üç sınıfa ayrılmıştır. Görüntüler ImageJ ile işlenmiş ve ViT Base Patch32 modeli ile sınıflandırılmıştır. Performans; doğruluk, precision, recall ve F1-score ile değerlendirilmiştir. Bulgular: Model %88 doğruluk, precision, recall ve F1-score elde etmiştir. Model sonuçları, uzmanlık öğrencilerinin sınıflamaları ile karşılaştırılmış ve özellikle düşük deneyimli kullanıcılarla kıyaslandığında daha tutarlı sonuçlar sunduğu gözlemlenmiştir. Sonuç: ViT modeli, panoramik radyografilerde kök ucu açıklığını yüksek doğrulukla tespit edebilmiş ve klinik karar destek sistemlerinde güvenilir bir araç olma potansiyeli göstermiştir.

Introduction: Teeth play a key role in basic functions like chewing and speaking. Evaluating tooth morphology is essential in diagnosis and treatment planning. Apical root opening is a significant radiological finding indicating incomplete root development, which can complicate endodontic and orthodontic planning, particularly in young individuals. Factors like caries, trauma, or lesions can halt root development, leaving the apex open and posing clinical challenges. Panoramic radiographs are widely used in dentistry due to their low radiation dose and wide field of view. This study developed an artificial intelligence (AI)-based approach to classify apical root openings in panoramic radiographs. Materials and Methods: A total of 902 single-rooted permanent tooth images were manually extracted from 512 panoramic radiographs obtained from the archive of Fırat University. The images were categorized into three classes: closed apex, anatomically open, and pathologically open. Image processing was performed using ImageJ, and classification was conducted with the Vision Transformer (ViT Base Patch32) model. Model performance was evaluated using accuracy, precision, recall, and F1-score. Results: The ViT model achieved 88% in accuracy, precision, recall, and F1-score. When compared with classifications made by dental specialty students, the model showed more consistent results, especially compared to less experienced users. Conclusion: The ViT model demonstrated high accuracy in detecting apical root openings on panoramic radiographs and has the potential to serve as a reliable tool in clinical decision support systems.