Bitewing radyograflardaki diş çürüklerinin anlamsal bölütleme yapay zekâ modeliyle değerlendirilmesi

Abstract

Diş çürükleri bakteriyel enfeksiyonun neden olduğu bir diş hastalığıdır. Dünyada ve ülkemizde en sık rastlanan ve hemen hemen hepimizin başına gelen yaygın bir rahatsızlıktır. Bu rahatsızlığın tedavisindeki ilk aşamada diş hekimi uzmanları diş röntgen görüntülerini incelemektedirler. Uzmanlar görüntüleri inceleyerek tedavinin biçimine karar vermektedirler. Bu durum diş hekimi uzmanlarının gün içerisinde çok sayıda röntgen görüntüsünü incelemek zorunda kalmasına sebep olmaktadır. Bilgisayarların günlük hayatımıza girmesiyle beraber farklı alanlarda bizlere destek olmaktadır. Sağlık alanında uzman olan kişilere tıbbi süreçte yaşanılan anormallik durumlarının belirlnemesinde destek olmaktadır. Bu sistemlere Bilgisayarlı Destek Sistemleri(BDS) denilmektedir. BDS'nin diş hekimliği alanında kullanımlarından bir tanesi de diş çürüklerinin diş röntgen görüntüleri kullanılarak tespitidir. Diş röntgen görüntüleri dişlerimizin üzerinden X ışınları taranması ve bu tarama sonuçları ile elde edilir. Bu röntgen görüntüleri ile diş radyoloji uzmanı dişteki çürük,apse,dolgu gibi dişle ilgili etmenleri görüp uygun tedavi yöntemime karar almaktadır. Çürüklerin nedeni erken tespit edilirse tedavisi nispeten kolay olacak ve bu da çürüğün yayılmasını önleyecektir. Diş hekimlerinin günümüzdeki yaygın prosedürü, önce hasta üzerinde radyografik inceleme yapmak ve lezyonları manuel olarak işaretlemektir. Bununla birlikte, lezyonları ve işaretleri yargılama işi, profesyonel deneyim gerektirir ve çok zaman alıcı ve tekrarlayıcıdır. Uzmanların yoğun çalışma temposunu hafifletecek ve onlara yardımcı olacak yapay zeka destekli bir yardımcı sistem, uzmanların iş yükünü hafifletecek ve daha kolay şekilde çürükleri tespitini sağlayacaktır.Otomatik tanıyı gerçekleştirmek için bu tez çalışmasında, anlamsal bölütlemeye dayalı bir analiz modeli önerildi. Klinik uygulama için standartlaştırılmış bir veri tabanı oluşturmak için, 08/07/2021 tarih ve 2021/12 sayılı Kütahya Sağlık Bilimleri Üniversitesi Girişisimsel Olmayan Klinik Araştıramlar Etik Kurulundan'ndan alınan etik kurul kararı ile diş hastanesinden 500 adet bitewing radyografi röntgen görüntüleri alınmıştır. Alınan bu görüntülerdeki diş çürüklerine ait alanlar uzman hekim tarafından etiketlenmiştir. Bu tez çalışması için oluşturlan veri seti bitewing radyografisindeki dişlerin kesitine ait bitewing görüntülerinden oluşturulmuştur. Diş görüntüsündeki kesitler, ilk aşamada anlamsal bölütleme algoritmasına uygulanmıştır. Anlamsal bölütleme algoritması tüm görüntüden sadece diş olan alanları bölütlemiştir. Bölütlenen bu görüntüler histogram eşitleme ve gauss filtrelerinden geçirilmiştir. Bu filtreler ile dişe ait alan ve çürüğü ait alan daha belirgin hale getirilmiştir. Ön işleme adımından geçirilen görüntü ikinci bir anlamsal bölütleme algoritmasına uygulanarak çürük olan alanlar işaretlenmiştir. Bu işaretleme sayesinde diş hekimi bir bitweing radyografiyi baktığında çürük olan bölgeyi kolaylıkla görsel olarak görüp kendi değerlendirmesi ile birlikte daha kolay ve güvenilir çürük tespitinde bulabilmiştir. Sistem verilen resimdeki diş dokusunu bulmak için eğitilen sistem %86 oranında başarı elde etmiştir. Sonrasında ise iyileştirilen görseller üzerindeki çürük bulmak için eğitilen sistem %90 oranında başarı elde etmiştir.Yapılan deneyler sonucunda önermiş olduğumuz bu modelin doğruluk oranındaki değer diş hekiminin çürük belirleme işlemlerinde diş hekimine yardımcı olabilecek düzeydedir. Bu sayede diş hekimimiz daha hızlı bir şekilde teşhis yapacak ve bu sayede tedavi için uzman daha rahat kararlar alacaktır.Anahtar Kelimeler: Anlamsal Bölütleme, Çürük belirleme, Derin Öğrenme

Tooth decay is a dental disease caused by bacterial infection. It is a common ailment that is most common in the world and in our country and that happens to almost all of us. At the first stage in the treatment of this disease, dentist specialists examine dental X-ray images. Experts decide on the form of treatment by examining the images. This situation causes dentists to examine many x-ray images during the day. Computer-assisted diagnosis (CBT) assists specialists in detecting abnormalities in the clinical process. One of the areas of CBT is the detection of dental caries using dental x-ray images. Dental X-ray images are obtained by scanning the desired area of the tooth in detail using X-rays and creating an image. X-ray device during shooting; It provides detailed visualization of the teeth. A dental x-ray helps the specialist to diagnose and guide treatment. If the cause of cavities is detected early, treatment will be relatively easy, which will prevent the spread of cavities. A common procedure for dentists today is to first perform a radiographic examination of the patient and manually mark the lesions. However, the job of judging lesions and signs requires professional experience and is very time consuming and repetitive. An artificial intelligence-supported assistant system that will alleviate the intense working tempo of the experts and help them will alleviate the workload of the experts and will enable them to detect cavities more easily.In this thesis, an analysis model based on semantic segmentation is proposed to perform automatic diagnosis. In order to create a standardized database for clinical practice, 500 bitewing radiography x-ray images were taken from the dental hospital with the decision of the ethics committee of Kütahya Health Sciences University Non-Interventional Clinical Research Ethics Committee dated 08/07/2021 and numbered 2021/12. The areas of dental caries in these images were labeled by the specialist physician.The data set created for this thesis study was formed from the bitewing images of the cross-section of the teeth in the bitewing radiography. The sections in the tooth image were applied to the semantic segmentation algorithm in the first stage. The semantic segmentation algorithm has only segmented the areas with teeth from the whole image. These segmented images were passed through histogram equalization and gaussian filters. With these filters, the area of the tooth and the area of the caries are made more obvious. The image passed through the preprocessing step was applied to a second semantic segmentation algorithm and the rotten areas were marked. Thanks to this marking, when the dentist looks at a bitweing radiography, he can easily see the caries area visually and find it more easily and reliably with his own evaluation. The system, which was trained to find the tooth tissue in the given picture, achieved 86% success. Afterwards, the system trained to find bruises on the improved images achieved 90% success. The experimental results obtained, the effective operation of the model proposed in this thesis, and its high accuracy rate are at a level that can contribute to the specialist's detection of the tooth region containing caries. In this way, it will be possible to prevent the loss of time of the specialist in the rapid diagnosis and treatment plan, and to prevent the data that may be overlooked.Keywords: Caries detection, Deep Learning, Semantic Segmentation