This study aims to develop an algorithm for the automatic segmentation of the parotid gland on CT images of the head and neck using U-Net architecture and to evaluate the model’s performance. In this retrospective study, a total of 30 anonymized CT volumes of the head and neck were sliced into 931 axial images of the parotid glands. Ground truth labeling was performed with the CranioCatch Annotation Tool (CranioCatch, Eskisehir, Turkey) by two oral and maxillofacial radiologists. The images were resized to 512 × 512 and split into training (80%), validation (10%), and testing (10%) subgroups. A deep convolutional neural network model was developed using U-net architecture. The automatic segmentation performance was evaluated in terms of the F1-score, precision, sensitivity, and the Area Under Curve (AUC) statistics. The threshold for a successful segmentation was determined by the intersection of over 50% of the pixels with the ground truth. The F1-score, precision, and sensitivity of the AI model in segmenting the parotid glands in the axial CT slices were found to be 1. The AUC value was 0.96. This study has shown that it is possible to use AI models based on deep learning to automatically segment the parotid gland on axial CT images.
While a large number of archived digital images make it easy for radiology to provide data for Artificial Intelligence (AI) evaluation; AI algorithms are more and more applied in detecting diseases. The aim of the study is to perform a diagnostic evaluation on periapical radiographs with an AI model based on Convoluted Neural Networks (CNNs). The dataset includes 1169 adult periapical radiographs, which were labelled in CranioCatch annotation software. Deep learning was performed using the U-Net model implemented with the PyTorch library. The AI models based on deep learning models improved the success rate of carious lesion, crown, dental pulp, dental filling, periapical lesion, and root canal filling segmentation in periapical images. Sensitivity, precision and F1 scores for carious lesion were 0.82, 0.82, and 0.82, respectively; sensitivity, precision and F1 score for crown were 1, 1, and 1, respectively; sensitivity, precision and F1 score for dental pulp, were 0.97, 0.87 and 0.92, respectively; sensitivity, precision and F1 score for filling were 0.95, 0.95, and 0.95, respectively; sensitivity, precision and F1 score for the periapical lesion were 0.92, 0.85, and 0.88, respectively; sensitivity, precision and F1 score for root canal filling, were found to be 1, 0.96, and 0.98, respectively. The success of AI algorithms in evaluating periapical radiographs is encouraging and promising for their use in routine clinical processes as a clinical decision support system.
Mukoseller genel popülasyonda %0.4-%0.9 insidansı olan iyi huylu lezyonlardır. Mukusla dolu bir kist içerir. Ağız boşluğu, paranazal sinüsler, safra kesesi ve apendiks gibi birçok bölgede yerleşebilirler. Sıklıkla alt dudakta lokalize olurlar. Mukosel her iki cinsiyette de eşit oranda görülür ve her yaşta ortaya çıkabilir. Klinik olarak mukosel; palpasyonda asemptomatik, iyi sınırlı, pembemsi-mavi renkli, fluktuan nodül olarak saptanır. Oral mukosel tedavisinde; cerrahi eksizyon, kriyocerrahi, intralezyonel kortikosteroid, elektrokoter, CO2 lazer gibi birçok yöntem kullanılmaktadır. Seçilecek tedavi yönteminde lezyonun boyutu ve tekrarlama olasılığı gibi faktörler göz önünde bulundurulmalıdır. Bu olgu sunumunda alt dudakta şişlik şikâyeti ile kliniğimize başvuran hastanın oral mukosel tanısı ve tedavi süreci anlatılacaktır.
Özet: Uyuşuk çene sendromu veya malign mental nöropati kanser hastalığının; mental sinirin uç dalları ile innerve edilen alt dudak, çene ucu, ağız mukozası ve diğer bölgelerde uyuşukluk veya his kaybı ile karakterize bulgusudur. Uyuşuk çene sendromu agresif malign gidişatın bulgularındandır. Bu derlemede amaç; uyuşuk çene sendromunun etyolojik, patolojik, klinik özellikleri ve prognozunu değerlendirmektir. Mental nöropatinin en yaygın nedenleri iyi karakterize dental patolojiler ve iatrojenik maksillofasiyal komplikasyonlardır. Uyuşuk çene sendromuna en sık sebep olan maligniteler meme kanseri, lenfomalar, prostat kanseri ve lösemidir. Bu sendrom malign hücrelerin direkt infiltrasyonu, sinire basısı, sinir yolu ile yayılımı veya immün cevaplar sonucu oluşabilmektedir. Daha önceden geçirilmiş kanser öyküsü olan hastalarda bu sendrom tümörün nüksünün ve kötüye gidişin bir bulgusu olarak değerlendirilmektedir. Yapılan bu derlemede bu bulguları gösteren kanser hastalarında mortalite oranının %80 ve sağ kalım süresinin ortalama 7 ay olduğu bildirilmiştir. Bu sendrom bulguları olan hastalar panoramik filmlerden sonra, konik ışınlı bilgisayarlı tomografi, manyetik rezonans görüntülemeler ve pozitronemisyon görüntülemeler ile değerlendirilmelidir. Yapılan ek görüntüleme yöntemleri malign vakaların %90'ında tanı konulmasını sağlamaktadır. Mental sinirin innerve ettiği bölgelerde uyuşukluğu olan hastaların dikkatli muayene edilmesi gerekmektedir. Uyuşuk çene bulguları sadece tanısı konulabilen sebeplerden dolayı değil aynı zamanda malignite varlığı açısından da dikkate alınmalıdır.
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.