Piksel düzeyinde açıklamalarla çok odaklı ağız panoramik röntgen görüntü veri kümesi

Diş röntgenlerine yeni bir bakış neden önemli

Birçoğumuz diş röntgenlerini yalnızca dişçi koltuğuna oturduğumuzda düşünür; o gölgeli görüntüler ise diş eti hastalıkları, çürükler ve dünya çapında milyarlarca insanı etkileyen diğer sorunlar hakkında hayati ipuçları taşır. Bu makale, bu taramaları okumayı bilgisayarlara öğretmeye yardımcı olmak üzere özenle hazırlanmış yeni, büyük ölçekli bir panoramik diş röntgeni koleksiyonu olan ToothPix’i anlatıyor. Rutinin bir parçası olan diş görüntülerini zengin, paylaşılan bir kaynağa dönüştürerek bu çalışma, gelecekteki kontrollerin daha hızlı, daha doğru ve daha geniş erişilebilir olmasını hedefliyor.

Ağızlarımızdaki küresel yük

Ağız hastalıkları, diş çürüğünden ileri diş eti hastalığına kadar gezegendeki en yaygın sağlık problemlerinden biridir. Diş hekimleri genellikle bir röntgende gördüklerini değerlendirmek için görsel muayene ve deneyime dayanır; bu süreç, ince uyarı işaretlerini kaçırabilir ve hekimler arasında değişkenlik gösterir. Aynı zamanda derin öğrenme sistemleri bazı tıbbi görüntüleri okuma konusunda insan uzmanlarla eşleşmeye veya onları geçmeye başladı. Benzer ilerlemeyi diş hekimliğine taşımak için araştırmacıların, hastalıklı alanların nerede olduğunu net ve tutarlı biçimde gösteren çok sayıda gerçek dünya röntgenine ihtiyacı var. Bugüne dek bu tür veri kümeleri nadir, küçük ve sık sık yetersiz yapılandırılmıştı.

Ağızın zengin bir resmini oluşturmak

ToothPix projesi, 4 ila 80 yaş arasındaki hastalardan tek bir hastanede toplanmış 8.655 panoramik diş röntgeni toplayarak bu boşluğu doldurmayı amaçladı. Panoramik röntgen, başın etrafında yay biçiminde dar bir ışın tarayarak tüm dişlerin, çene kemiklerinin ve çevre yapılarının tek bir karede geniş, iki boyutlu bir görüntüsünü oluşturur. ToothPix’teki görüntüler yüksek çözünürlükte yakalanmış ve tanı için önemli olan küçük ayrıntıların korunması amacıyla orijinal boyutlarında tutulmuştur. Ayrıca farklı parlaklık ve kontrast düzeyleri gibi gerçek dünya görüntüleme koşullarının geniş bir aralığını kapsar; bu sayede bu görüntülerle eğitilen bilgisayar modelleri, ekipman ya da hasta pozisyonundaki değişimlerden daha az etkilenir.

Ham taramaları bilgisayarlar için öğretim malzemesine dönüştürmek

Görüntü toplamak yalnızca ilk adımdı. Ekip, dosyalarda saklanan tüm kişisel bilgileri dikkatle kaldırdı ve taramaları hastane sistemleri dışında açılabilmesi ve analiz edilebilmesi için yaygın kullanılan görüntü formatlarına dönüştürdü; böylece özel veriler ifşa edilmemiş oldu. Ardından titiz bir kalite kontrol geldi: uzmanlar eksik yapılar, yinelenen kayıtlar veya kötü pozlama gibi sorunlara karşı görüntüleri taradı ve açıklık ile radyasyon dozu arasında denge kuran standart bir ölçekle puanladılar. Dikkat çekici şekilde tüm görüntüler kabul edilebilir kalite eşiklerini karşıladı ya da aştı, bu nedenle hiçbir görüntü elenmek zorunda kalmadı. Bu, son veri kümesinin hastaların ağızlarını tutarlı ve net biçimde gösteren sağlam bir temel sunduğu anlamına geliyor; bu da güvenilir bilgisayar analizleri için elzemdir.

Hastalık sınırlarını elle çizmek

Bir algoritmaya neye bakacağını öğretmek için araştırmacıların ham görüntülerden daha fazlasına ihtiyacı vardı; hastalığın nerede ortaya çıktığını gösteren ayrıntılı haritalara ihtiyaç vardı. Diş görüntülemede birkaç yıllık klinik deneyime sahip yirmi uzman, her görüntüde dişlerin ve problemli alanların sınırlarını özel etiketleme yazılımı kullanarak elle izledi. Bu itinayla yapılan piksel düzeyindeki çizimler, tek bir görüntü üzerinde çürüklerden gömülü (impakt) dişlere kadar birden çok yaygın durumu vurguladı. Ardından bu çizgiler, her röntgenle tam eşleşen renk kodlu maske görüntülerine dönüştürüldü ve dosyalar diğer araştırmacıların ekstra temizlik yapmadan doğrudan kendi programlarına sokabilmesi için basit bir klasör sisteminde düzenlendi.

Veri kümesini teste sokmak

ToothPix’in gerçekten yapay zeka için faydalı olup olmadığını görmek için yazarlar hem görüntüleri hem de elle çizilmiş etiketleri değerlendirdiler. Beş bölümlü bir puanlama sistemi, dişlerle arka plan arasındaki kontrastı, görüntü keskinliğini, dikkat dağıtan gölgeleri ve açıklamaların diş sınırlarını ne kadar eksiksiz ve hassas yakaladığını inceledi. Bu ölçütlerin tümünde veri kümesi en yüksek puana çok yakın puan aldı; bu da hem görüntülerin hem de işaretlemelerin net ve güvenilir olduğunu gösteriyor. Ekip ardından ToothPix üzerinde birkaç popüler görüntü-segmentasyon modelini eğitti ve bunların hastalıklı bölgeleri otomatik olarak ne kadar iyi çevreleyebildiğini ölçtü. Performans spesifik duruma göre değişse de sonuçlar veri kümesinin modern derin öğrenme yöntemlerini destekleyebildiğini ve gömülü dişlerin tanımlanması gibi temel görevlerde ümit verici doğruluk sağladığını gösterdi.

Gelecek diş randevuları için anlamı

Günlük ifadeyle ToothPix, nitelikli herhangi bir araştırmacının bilgisayarlara taramaları nasıl okuyacaklarını öğretmek için kullanabileceği uzman işaretlemeli, iyi düzenlenmiş bir diş röntgeni kütüphanesi gibidir. Hâlâ sınırlılıklar var—bazı nadir hastalıklar hâlen az temsil ediliyor, görüntüler tek bir hastaneden geliyor ve yalnızca tek bir tarama türü dahil edilmiş—ancak çalışma sağlam bir temel atıyor. Benzer veri kümeleri büyüdükçe ve daha fazla klinik ile görüntüleme yöntemine yayıldıkça, daha hızlı, daha tutarlı ve daha erken diş problemi tespiti sağlayarak diş hekimlerine destek olabilir; onları yerine koymak değil, o tanı röntgenini sağlığımızı korumak için daha güçlü bir araç haline getirmek amaçlanıyor.

Atıf: Cui, J., Gu, J., Guan, Y. et al. A multi-focus oral panoramic x-ray image dataset based on pixel-level annotations. Sci Data 13, 693 (2026). https://doi.org/10.1038/s41597-026-07021-9

Anahtar kelimeler: diş röntgeni, tıbbi görüntü veri kümesi, diş hekimliğinde yapay zeka, lezyon segmentasyonu, bilgisayar destekli tanı