Özellik indirgeme ve ağırlıklı matris şemasıyla bütünleşik bulanık C-ortalama kümelemeyi kullanan, röntgen görüntülerinde diş çürüklerini sınıflandırmak için hesaplamalı bir zekâ yaklaşımı

Neden daha akıllı çürük tespiti önemli

Diş hekimleri, çıplak gözle görülemeyen çürükleri tespit etmek için büyük ölçüde röntgen görüntülerine güvenirler. Ancak bu görüntüler sıklıkla gürültülü, bulanık ve düşük kontrastlıdır; bu da erken çürüklerin kolayca gözden kaçmasına yol açar. Bu çalışma, diş röntgenlerindeki çürük alanlarını daha doğru ve tutarlı şekilde belirlemeye yardımcı olan yeni bir bilgisayar tabanlı yöntem sunar. Böylece diş hekimlerinin sorunları daha erken yakalamasını, daha iyi tedavi planlamasını ve ileri donanım eksikliği olan kliniklerde yüksek kaliteli bakıma erişimi iyileştirmesini destekleyebilir.

Diş röntgenlerini okumadaki zorluklar

Diş çürüğü veya dental karies her yaşta insanı etkiler ve erken tedavi edilmezse ağrı, enfeksiyon ve diş kaybına yol açabilir. Geleneksel röntgenler, karmaşık üç boyutlu yapıları düz, iki boyutlu bir görüntü halinde gösterir. Küçük lezyonlar örtüşen dokular tarafından gizlenebilir, hasta hareketine bağlı olarak bulanıklaşabilir ya da metal dolgular tarafından kapatılabilir. Ayrıca, özellikle kaynakların kısıtlı olduğu bölgelerde birçok hastane hâlâ parlaklığı düzensiz ve önemli gürültü içeren temel röntgen makinelerine dayanıyor. Bu etkenler, deneyimli diş hekimleri için bile erken dönemdeki küçük bir çürük alanını diş yapısındaki normal değişimlerden güvenilir şekilde ayırt etmeyi zorlaştırır.

Mevcut yapay zekâ yaklaşımlarının sınırlılıkları

Son yıllarda araştırmacılar diş görüntülerini okumak için yapay zekâya yöneldi. Özellikle derin öğrenme sistemleri çok başarılı olabiliyor, ancak önemli dezavantajları var. Genellikle diş uzmanları tarafından etiketlenmiş binlerce özenle hazırlanmış görüntüye ihtiyaç duyarlar—bu yavaş ve pahalı bir süreçtir. Ayrıca birçok hastanenin sahip olmadığı güçlü bilgisayarlar ve grafik işlemcilere ihtiyaç duyarlar. Bu tür sistemler iyi çalışsa bile genellikle “kara kutu” gibi davranır; bir bölgenin neden çürük veya sağlıklı olarak etiketlendiğine dair sınırlı içgörü sağlarlar. Mevcut yöntemler ayrıca ince, erken dönem lezyonlarla mücadele etmekte zorlanır ve tarayıcılar, görüntü kalitesi ve hasta popülasyonlarındaki farklılıklara duyarlı olabilirler.

Verinin konuşmasına izin vermenin yeni bir yolu

Bu çalışma, bir görüntüdeki pikselleri benzerliklerine göre gruplayan geliştirilmiş bir bulanık C-ortalama kümeleme biçimine dayanan farklı bir strateji önerir. Tüm görüntü özelliklerinin eşit derecede önemli olduğunu varsaymak yerine, FCM-FRWS adı verilen yeni yöntem hangi özelliklerin çürüğü sağlıklısından ayırmada en çok önem taşıdığını otomatik olarak öğrenir. Her özelliğe (yerel parlaklık, doku ya da konum gibi) bir ağırlık atar; karışıklık yaratanları aşamalı olarak küçültür ve çürüğü açıkça işaretleyenleri vurgular. Sürekli olarak az katkı sağlayan özellikler tamamen kaldırılır; bu da gürültüyü azaltır ve süreci hızlandırır. Bu kümeleme, akıllı görüntü hazırlama adımlarıyla birleştirilir: önce röntgenler ortak bir kontrast seviyesine normalize edilir, sonra rastgele gürültüyü azaltmak için yumuşatılır ve son olarak diş konturları ve potansiyel çürüklerin izini kolaylaştırmak amacıyla basit şekil-temelli işlemlerle temizlenir.

Çürüğün görünümünü keskinleştirmek

Ağırlıklı kümeleme muhtemel diş, arka plan ve şüpheli bölgeleri kabaca ayırdıktan sonra, yöntem parlaklığa dayalı olarak pikselleri “lezyon” ve “lezyon değil” gruplarına daha temiz ayırmak için klasik ama güçlü bir araç olan Otsu eşikleme uygular. Morfolojik genişletme (dilation) adımı daha sonra parçalanmış noktaları hafifçe genişleterek ve birbirine bağlayarak her bir çürük bölgesinin dağınık noktalar yerine tek, uyumlu bir bölge olarak temsil edilmesini sağlar. Ön işleme, özellik ağırlıklı kümeleme ve rafine eşikleme içeren tamamlanmış boru hattı, Kuzeydoğu Tayland’taki hastanelerden elde edilen yetişkin ve çocukları içeren 890 röntgen görüntüsü üzerinde test edildi. Beş deneyimli diş hekiminin oluşturduğu yergerçek (ground-truth) işaretlemeler referans olarak kullanıldı. Sistemin ortalama olarak piksellerin %91’inden fazlasını doğru sınıflandırdığı; duyarlılık (gerçek çürükleri tespit etme), özgüllük (yanlış alarmlardan kaçınma) ve diş hekimlerinin işaretlemeleri ile güçlü örtüşme açısından benzer yüksek skorlar elde edildi. Verinin farklı alt kümeleri üzerinde yapılan dahili testler yöntemin kararlı kaldığını ve örnekleri yalnızca ezberlemediğini gösterdi.

Bu hastalara ve kliniklere nasıl yardımcı olabilir

Çoğu modern yapay zekâ aracının aksine, bu yaklaşım büyük etiketli bir eğitim seti veya özel donanım gerektirmez ve sıradan bir bilgisayarda verimli şekilde çalışır. Bu da onu standart röntgen makinelerine hâlâ bağımlı olan küçük hastaneler, eğitim klinikleri ve düşük kaynaklı ortamlardaki uygulamalar için cazip kılar. Yöntem, diş hekiminin incelemesi için şüpheli bölgeleri işaretleyen bir ikinci okuyucu gibi görev yapabilir; özellikle erken ve zor görülen çürük aşamalarında faydalıdır. Klinik yargının yerine geçmese de ve çok gürültülü veya karmaşık vakalarda halen sınırları olsa da, çalışma dikkatle tasarlanmış, şeffaf algoritmaların derin öğrenmenin hesaplama gereksinimleri olmadan çürük tespitini anlamlı şekilde iyileştirebileceğini ortaya koyuyor. Uzun vadede bu tür araçlar doğrudan röntgen görüntüleme yazılımlarına entegre edilerek arka planda çalışıp daha az çürüğün fark edilmeden kalmasına yardımcı olabilir.

Atıf: Wisaeng, K., Muangmeesri, B. A computational intelligence approach for classifying dental caries in X-ray images using integrated fuzzy C-means clustering with feature reduction and a weighted matrix scheme. Sci Rep 16, 5000 (2026). https://doi.org/10.1038/s41598-026-35735-8

Anahtar kelimeler: diş çürüğü, röntgen görüntüleme, tıbbi görüntü bölütleme, bulanık kümeleme, bilgisayar destekli tanı