Purpose The current Classification of Periodontal and Peri-Implant Diseases and Conditions, published and disseminated in 2018, involves some difficulties and causes diagnostic conflicts due to its criteria, especially for inexperienced clinicians. The aim of this study was to design a decision system based on machine learning algorithms by using clinical measurements and radiographic images in order to determine and facilitate the staging and grading of periodontitis. Methods In the first part of this study, machine learning models were created using the Python programming language based on clinical data from 144 individuals who presented to the Department of Periodontology, Faculty of Dentistry, Süleyman Demirel University. In the second part, panoramic radiographic images were processed and classification was carried out with deep learning algorithms. Results Using clinical data, the accuracy of staging with the tree algorithm reached 97.2%, while the random forest and k-nearest neighbor algorithms reached 98.6% accuracy. The best staging accuracy for processing panoramic radiographic images was provided by a hybrid network model algorithm combining the proposed ResNet50 architecture and the support vector machine algorithm. For this, the images were preprocessed, and high success was obtained, with a classification accuracy of 88.2% for staging. However, in general, it was observed that the radiographic images provided a low level of success, in terms of accuracy, for modeling the grading of periodontitis. Conclusions The machine learning-based decision system presented herein can facilitate periodontal diagnoses despite its current limitations. Further studies are planned to optimize the algorithm and improve the results.
Yaşlı bireylerdeki dental/periodontal hastalıkların oluşma ve ilerleme durumunu etkileyen faktörlerin belirlenmesi ile kontrol altına alınması, yaşlı bireylerin yaşam kalitesinin artırılmasında önemli bir etki oluşturacaktır. Bu çalışmanın amacı bir yaşlı popülasyonunda fiziksel aktivite, beslenme, ağız sağlığına bağlı yaşam kalitesi ile periodontal sağlık/hastalık durumu arasındaki ilişkiyi araştırmaktır. Çalışmaya 2021-2022 yılları arasında kliniğimize başvuran yaşları 65-74 arasında değişen 33 gönüllü birey katılmıştır. Katılımcıların klinik periodontal parametre kayıtları, sosyodemografik, antropometrik özellikleri kaydedilmiş ve Ağız Sağlığı Etki Profili Ölçeği (OHIP-14), Ağız Ve Diş Sağlığı İle İlgili Yaşam Kalitesi-Birleşik Krallık Ölçeği (OHRQoL-UK), Yaşlı Ağız Sağlığı Tanılama İndeksi (GOHAI), Yaşlılar İçin Fiziksel Aktivite Ölçeği (PASE), Mini Nütrisyonel Değerlendirme Testi (MNA) indeksleri, anket formları kullanılarak elde edilmiştir. Varyansların normal dağılımı ve homojenliği Shapiro-Wilk ve Levene testleri, gruplar arası karşılaştırmalar Mann-Whitney U testi, korelasyonlar ise Spearman korelasyon testi ile analiz edilmiştir (p<0,05). Çalışma popülasyonunda PASE skorları erkeklerde kadınlardan yüksek bulunmuştur (p<0,05). Periodontal durum test skorlarında anlamlı bir farklılık oluşturmamıştır (p>0,05). Aylık gelir yükseldikçe PASE skorları yükselmiş (p<0,000), sistemik hastalık varlığında ve diş kaybı arttıkça OHQoL-UK skorları artmış (p=0,025, p=0,026), VKİ alt grupları arasında OHIP-14 skorları anlamlı farklılık göstermiştir (p=0,002). Periodontal durum, incelenen geriatrik popülasyonda yaşam stili ve kalitesiyle alakalı test skorları üzerinde anlamlı bir etki göstermemiştir. COVID-19 döneminde yürütülmüş bu çalışmanın bulguları daha geniş yaşlı popülasyonlarında farklılık gösterebilir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.