Pembuatan laporan hasil radiografi panoramik terdiri dari beberapa informasi tentang hasil interpretasi dan diagnosis berdasarkan pengamatan status gigi dan maksilofasial pada radiograf. Hasil tersebut berfungsi sebagai penunjang diagnostik dalam penentuan diagnosis klinis. Interpretasi gigi dan struktur anatomi sekitarnya pada radiografi panoramik merupakan langkah awal penting dalam mendeteksi kelainan patologis. Langkah pertama dalam menginterpretasikan radiografi panoramik yaitu menentukan jenis gigi atau penomoran gigi berdasarkan anatomi dan lokasinya. Membuat penomoran gigi secara manual pada gambar radiografi panoramik dengan jumlah yang banyak seringkali memerlukan waktu dan rentan terhadap kesalahan akibat kelelahan dokter gigi.
Kecerdasan buatan / Artificial Intelligence (AI) merupakan suatu kemampuan mesin untuk meniru kecerdasan dan perilaku manusia dalam melaksanakan tugas-tugas tertentu. Pengembangan dan penerapan AI juga dapat dimanfaatkan di bidang kedokteran gigi. Sistem ini diharapkan dapat mengurangi kesalahan manusia dan memperpendek durasi proses pembuatan laporan hasil radiogtafi. You Only Look Once (YOLO) adalah algoritma berbasis AI yang menggunakan konsep convolution neural network (CNN) dan dirancang untuk mendeteksi objek dengan cepat, akurat, dan secara real-time. YOLO v4 adalah detektor terkini yang lebih cepat dan lebih akurat dibandingkan detektor lain yang tersedia. YOLO v4 telah banyak digunakan dalam bidang radiologi gigi. Meskipun hasil dari beberapa penelitian sangat menjanjikan, peningkatan performa deteksi gigi otomatis pada foto panoramik masih diperlukan.
Penelitian ini memfokuskan pada evaluasi kemampuan YOLOv4 dalam melakukan deteksi dan numerasi secara otomatis dengan menggunakan parameter akurasi, presisi, recall, dan F1-score. Berdasarkan hasil penelitian, didapatkan akurasi sebesar 88.5%, presisi sebesar 87.7%, recall sebesar 100%, dan F1-score sebesar 93.44%. Selain itu, system YOLOv4 juga dapat melakukan deteksi dan numerasi yang jauh lebih cepat dibandingkan anotasi secara manual, yaitu 20.58 ms. Diperlukan studi lebih lanjut untuk meningkatkan kinerja dengan meningkatkan jumlah dan variasi dataset serta pengembangan sisten dengan pendekatan multidisiplin. Sistem ini diharapkan dapat membantu dokter gigi sebagai alat diagnostik berbantuan komputer dalam praktik klinis sehari-hari untuk meningkatkan sistem pelayanan kesehatan gigi.
Penulis : Eha Renwi Astuti
Informasi detail dapat diakses pada tautan berikut :
