Akademik Veri Yönetim Sistemi
4. Uluslararası Oral Diagnoz ve Maksillofasiyal Radyoloji Derneği Kongresi, İzmir, Türkiye, 19 - 23 Ekim 2022, ss.180-181, (Özet Bildiri)
Amaç: Bu çalışma, yazılım destekli veya desteksiz konik ışınlı bilgisayarlı tomografi (CBCT) değerlendirme sonuçlarını karşılaştırarak, çürük tespiti için bir yapay zeka (YZ) sistemi (Diagnocat, Inc., San Francisco, ABD) kullanımının etkisini araştırmayı amaçlar.
Yöntem: 500 KIBT hacmi, üç dentomaksillofasiyal radyolog tarafından çürük varlığı için YZ sistemi olmadan ve yardımıyla beşli güvenölçeğinde ayrı ayrı puanlandı. Görsel değerlendirmeden sonra, derin evrişimli sinir ağı modeli bir radyolojik rapor oluşturdu ve gözlemciler AI arayüzünü kullanarak görüntüleri tekrar puanladı. Esas referans değer hibrit bir yaklaşımla belirlendi. Gözlemci içi ve gözlemciler arası uyum, sensitivite, spesifite, doğruluk ve kappa istatistikleriyle değerlendirildi.
Bulgular: 6008 yüzey “çürük var” ve 13928 yüzeyde “çürük yok” olarak esas referans değerler belirlendi. ROC eğrisi altında kalan alanlarGözlemci 1, 2 ve 3 için sırayla 0.855/0.920, 0.863/0.917 ve 0.747/0.903 (desteksiz/destekli) olarak bulundu. Fleiss Kappa katsayısı 0,325'ten 0,468'e yükseldi ve en iyi doğruluk (0,939) destekli analizde elde edildi.
Sonuç: CBCT görüntüleri ile diş çürüklerinin tespitinde YZ sistemi desteğiyle yapılan radyografik değerlendirmeler, desteksiz değerlendirmelere göre daha uyumlu ve doğru bulunmuştur.
Purpose: This study aims to investigate the effect of using an artificial intelligence (AI) system (Diagnocat, Inc., San Francisco, USA) for caries detection, by comparing cone-beam computed tomography (CBCT) evaluation results with and without the software.
Materials & Methods: 500 CBCT volumes are scored by three dentomaxillofacial radiologists for the presence of caries separately on a five-point confidence scale without and with the aid of the AI system. After visual evaluation, the deep convolutional neural network model generateda radiological report and observers scored again using AI interface. The ground truth was determined by a hybrid approach. Intra- and inter-observer agreements are evaluated with sensitivity, specificity, accuracy, and kappa statistics.
Results: 6008 surfaces are determined as ‘presence of caries’ and 13928 surfaces are determined as ‘absence of caries’ for ground truth. The areaunder the ROC curve of Observer 1, 2, and 3 are found to be 0.855/0.920, 0.863/0.917, and 0.747/0.903, respectively (unaided/aided). Fleiss Kappa coefficients are changed from 0.325 to 0.468 and the best accuracy (0.939) is achieved in the aided results.
Conclusion: The radiographic evaluations performed with aid of the AI system are found to be more compatible and accurate than unaided evaluations in the detecting of dental caries with CBCT images.