Derin öğrenme algoritmaları kullanılarak koni ışınlı BT görüntülerinde endodontik kökenli maksiller sinüzitin saptanması

Diş Sorunu Sinüslere Ulaştığında

Sık tekrar eden burun tıkanıklığı veya yüz basıncı genellikle alerji veya soğuk algınlığına bağlanır, ancak dikkate değer bir oranda sinüs problemleri aslında enfekte arka dişlerle başlar. Bu çalışma, yapay zekanın 3B diş taramalarını okuyarak sinüzitin diş kökü enfeksiyonuyla ilişkili olup olmadığını tespit edebilmesini araştırıyor; böylece diş hekimleri ve doktorların doğru nedene daha hızlı ve daha emin şekilde ulaşmalarına yardımcı oluyor.

Sinüs Problemleri ile Dişlerin Neden Bağlantılı Olduğu

Maksiller sinüsler üst arka dişlerin hemen üstünde yer alır ve yalnızca ince bir kemik tabakasıyla ayrılır. Bu sinüslerin içindeki yumuşak doku iltihaplandığında veya kalınlaştığında kişiler kronik tıkanıklık, ağrı veya yanakta dolgunluk hissi yaşayabilir. Birçok durumda diş kökü ucundaki bir enfeksiyon çevredeki sinüs mukozasını tahriş eder; ancak belirtiler sıradan sinüs problemleri gibi hissedilebilir ve diş sessiz görünebilir. Bu durum, deneyimli klinisyenler için bile sinüzitin diş hastalığından mı, diğer sinüs nedenlerinden mi kaynaklandığını, yoksa sinüsün aslında normal olup olmadığını ayırt etmeyi zorlaştırır.

3B Diş Taramaları Neden Daha Net Bir Görünüm Sunar

Koni ışınlı bilgisayarlı tomografi (CBCT), nispeten düşük radyasyon dozunda hem kemiği hem de yumuşak dokuyu ayrıntılı gösteren bir diş 3B taramasıdır. Standart tıbbi BT veya düz röntgenlerde kaçan diş kökleri çevresindeki ve sinüs mukozasındaki ince değişiklikleri ortaya çıkarabilir. Bu çalışmada araştırmacılar iki endodontik kliniğinden 70 CBCT taraması topladı ve üstten (aksiyal), önden (koronal) ve yandan (sagital) olmak üzere üç görüntüleme açısından 5.000’den fazla iki boyutlu dilimi özenle seçtiler. Uzman diş hekimleri ve bir ağız radyoloğu her taramayı inceledi ve hangi görüntülerin normal sinüsü, hangilerinin hastalıklı bir diş köküyle ilişkili sinüziti ve hangilerinin diğer, diş dışı nedenlere bağlı sinüziti gösterdiği konusunda uzlaştı.

Bilgisayara Görüntüleri Okutmayı Öğretmek

Derin öğrenme sistemlerini eğitmeden önce ekip görüntüleri temizledi ve geliştirdi. Görüntü boyutunu standartlaştırdılar, gürültü ve metal çizgilerini azalttılar ve ana yapılar daha belirgin olsun diye kenarları keskinleştirdiler. Ayrıca, eğitim veri setini zenginleştirmek ve çeşitlendirmek için bir tür üretici model kullanarak ekstra yüksek kaliteli eğitim görüntüleri ürettiler. Bilgisayar hattı ardından birkaç adımı izledi. İlk olarak, her dilimden hangi görüntüleme açısını gösterdiğini tanımayı öğrendi. Sonra, segmentasyon aşaması üç ana bölgeyi—diş kökleri, sinüs boşluğu ve ince mukozal tabaka—çizgilerle ayırmayı öğrendi. Son olarak, uzmanlaşmış ağlar her görünümü inceleyerek hastalıkla ilişkili desenleri çıkardı ve “çoklu görünüm” modeli tüm üç açının bilgisini birleştirip sinüsün normal mi, diş kökü sorunundan mı yoksa diğer sinüs hastalığından mı etkilendiğine karar verdi.

Sistemin Performansı Nasıl Oldu

Araştırmacılar modellerini ayrılmış görüntüler ve yeni hastalardan alınmış tamamen ayrı 738 CBCT diliminden oluşan veri seti üzerinde test ettiler. Görünüm sınıflandırıcısı neredeyse hiç üç tarama açısını karıştırmadı. Segmentasyon adımı, her üç görünümde de uzman işaretlemeleriyle karşılaştırıldığında kökleri, sinüs boşluğunu ve mukozayı yüksek örtüşme ile çizdi. Her tek görünüm sınıflandırıcısı zaten yüksek doğruluk seviyesine ulaştı, ancak üç perspektifi birleştiren çoklu görünüm ağı hepsinden daha iyi performans gösterdi. Hem test hem de dış veri setlerinde, üç gruptaki her vakayı doğru etiketledi ve uzman panelin birleşik yargısıyla eşleşti. Yazarlar, hasta bazlı veri ayırma, dikkatli artırma ve düzenleme teknikleri gibi aşırı uyumu önlemeye yönelik birkaç adım atarak sistemin çalışma örnekleminden öteye genelleme yapma olasılığını artırdılar.

Bu Hastalar İçin Ne Anlama Gelebilir

Klinisyenler için bu otomatik işlem hattı, kök kaynaklı sinüs hastalığını vurgulayan, sinüs şeklini haritalayan ve enfekte köklerin sinüs tabanına ne kadar yakın olduğunu gösteren yorulmak bilmeyen bir ikinci okuyucu olarak hizmet edebilir. Böyle bir destek, kanal tedavisinin planlanmasına, kalıcı sinüs semptomlarının nasıl yönetileceğine ve implant ya da sinüs lifting cerrahisine rehberlik etmeye yardımcı olabilir. Mevcut çalışma sınırlı görüş alanından alınan 2B dilimlerle çalışıyor ve daha fazla klinik ve tarayıcıda daha geniş testlere hâlâ ihtiyaç duyuyor olsa da, tam 3B taramaları analiz eden gelecekteki araçlar için sağlam bir temel oluşturuyor. Basitçe ifade etmek gerekirse, çalışma dikkatle tasarlanmış bir yapay zekanın sinüs sorunlarının diş kökleriyle ilişkili olup olmadığını güvenilir şekilde tespit edebileceğini gösteriyor; belirsiz yüz basıncından gerçek sorunun kaynağına daha net bir yol sunuyor.

Atıf: Sherif, O.A.S., Taha, N.S., Fahmy, A.M. et al. Detection of maxillary sinusitis of endodontic origin in cone-beam CT images using deep learning algorithms. Sci Rep 16, 16254 (2026). https://doi.org/10.1038/s41598-026-52147-w

Anahtar kelimeler: maksiller sinüzit, odontojenik sinüzit, koni ışınlı BT, derin öğrenme, diş görüntülemesi