Validación clínica de aprendizaje profundo para la segmentación de múltiples características dentales en radiografías periapicales
Autores: Jagtap, Rohan; Samata, Yalamanchili; Parekh, Amisha; Tretto, Pedro; Roach, Michael D.; Sethumanjusha, Saranu; Tejaswi, Chennupati; Jaju, Prashant; Friedel, Alan; Briner Garrido, Michelle; Feinberg, Maxine; Suri, Mini
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Validación clínica de aprendizaje profundo para la segmentación de múltiples características dentales en radiografías periapicales
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Radiografías periapicales
Artefactos
Distorsiones
Superposiciones
Inteligencia artificial
Diagnóstico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Las radiografías periapicales se utilizan rutinariamente en la práctica dental con fines de diagnóstico y planificación del tratamiento. Sin embargo, a menudo sufren de artefactos, distorsiones y superposiciones, lo que puede llevar a posibles interpretaciones erróneas. Por lo tanto, se requiere un sistema de detección automatizado para superar estos desafíos. La inteligencia artificial (IA) ha estado revolucionando varios campos, incluida la medicina y la odontología, al facilitar el desarrollo de sistemas inteligentes que pueden ayudar en la realización de tareas complejas como el diagnóstico y la planificación del tratamiento. El propósito del presente estudio fue verificar el rendimiento diagnóstico de un sistema de IA para la detección automática de dientes, caries, implantes, restauraciones y prótesis fijas en radiografías periapicales. Un conjunto de datos que comprendía 1000 radiografías periapicales recopiladas de 500 pacientes adultos fue analizado por un sistema de IA y comparado con las anotaciones proporcionadas por dos radiólogos orales y maxilofaciales. Se observó una fuerte correlación (R > 0.5) entre la percepción de la IA y los observadores 1 y 2 en dientes cariados (0.7-0.73), implantes (0.97-0.98), dientes restaurados (0.85-0.89), dientes con prótesis fijas (0.92-0.94) y dientes faltantes (0.82-0.85). La detección automática por el sistema de IA fue comparable a la de los radiólogos orales y puede ser útil para la identificación automática en radiografías periapicales.
Descripción
Las radiografías periapicales se utilizan rutinariamente en la práctica dental con fines de diagnóstico y planificación del tratamiento. Sin embargo, a menudo sufren de artefactos, distorsiones y superposiciones, lo que puede llevar a posibles interpretaciones erróneas. Por lo tanto, se requiere un sistema de detección automatizado para superar estos desafíos. La inteligencia artificial (IA) ha estado revolucionando varios campos, incluida la medicina y la odontología, al facilitar el desarrollo de sistemas inteligentes que pueden ayudar en la realización de tareas complejas como el diagnóstico y la planificación del tratamiento. El propósito del presente estudio fue verificar el rendimiento diagnóstico de un sistema de IA para la detección automática de dientes, caries, implantes, restauraciones y prótesis fijas en radiografías periapicales. Un conjunto de datos que comprendía 1000 radiografías periapicales recopiladas de 500 pacientes adultos fue analizado por un sistema de IA y comparado con las anotaciones proporcionadas por dos radiólogos orales y maxilofaciales. Se observó una fuerte correlación (R > 0.5) entre la percepción de la IA y los observadores 1 y 2 en dientes cariados (0.7-0.73), implantes (0.97-0.98), dientes restaurados (0.85-0.89), dientes con prótesis fijas (0.92-0.94) y dientes faltantes (0.82-0.85). La detección automática por el sistema de IA fue comparable a la de los radiólogos orales y puede ser útil para la identificación automática en radiografías periapicales.