Year: 2024
Type: article
Abstract: "Ağız maligniteleri, oral skuamöz hücreli karsinomun (OSCC) en yaygın form olmasıyla birlikte önemli küresel sağlık sorunları oluşturmaktadır. Lökoplaki ve oral submuköz fibrozis gibi potansiyel olarak malign oral bozuklukların (OPMB) erken teşhisi, hasta prognozunu iyileştirmek açısından kritik öneme sahiptir. Geleneksel tanı yaklaşımları genellikle öznel yorumlama ve olası gecikmeler gibi sınırlamalarla karşı karşıya kalmaktadır. Bu çalışma, kamuya açık görüntü veri setlerini kullanarak oral lezyonların benign veya malign olarak sınıflandırılması için derin öğrenme tabanlı bir model geliştirmeyi ve değerlendirmeyi amaçlamıştır. Modifiye edilmiş bir VGG16 mimarisi ve optimize edilmiş ön işleme teknikleri kullanılarak model, 330 anotasyonlu intraoral görüntü üzerinde eğitilmiş ve %94,79 genel doğruluk elde etmiştir. Temel performans ölçütleri arasında %95,11 hassasiyet (precision), %94,58 duyarlılık (sensitivity) ve özgüllük (specificity) ile %94,74 F1 skoru bulunmaktadır. Modelin performansı, daha büyük veri setlerine sahip mevcut modellerle karşılaştırılabilir veya daha üstün olarak değerlendirilmiş ve etkili özellik çıkarımı ile güvenilir sınıflandırma yapma yeteneğini göstermiştir. 0,96’lık yüksek ROC eğrisi altındaki alan (AUC) değeri, klinik uygulama potansiyelini güçlendirmiştir. Model güçlü bir tanısal yetenek sergilemekle birlikte, veri setinin boyutunun genişletilmesi ve daha geniş bir vaka yelpazesinin dahil edilmesi, genelleştirilebilirliği daha da artırabilir. Gelecekteki çalışmalar, gerçek zamanlı görüntü alımını entegre etmeyi ve pratik uygulama için hesaplama süreçlerini optimize etmeyi de dikkate almalıdır. Bulgular, ağız malignitelerinin zamanında, doğru ve ölçeklenebilir bir şekilde tespit edilmesine olanak tanıyan AI tabanlı tanı araçlarının sağlık profesyonellerine destek sağlama vaadini vurgulamakta ve hasta bakımı ile sonuçlarının iyileştirilmesine katkıda bulunmaktadır. Bu çalışma, yapay zekânın ağız sağlığı tanısındaki pratik uygulamasına yönelik önemli bir adımı temsil etmektedir."
Source: DergiPark (Istanbul University)
Authors: Yılmaz, Hakan, Özdem, Mehmet
Institution: Karabük University
Language: Turkish
Topic: AI in cancer detection
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W4405706763