Search Dental Tribune

Ferramenta baseada em inteligência artificial mostra precisão na segmentação de caninos superiores impactados

Os pesquisadores treinaram e avaliaram o desempenho de uma plataforma baseada em nuvem para segmentação automatizada de caninos superiores impactados em imagens de TCFC, descobrindo que o modelo poderia auxiliar no diagnóstico e planejamento de intervenções ortodônticas e cirúrgicas. (Imagem: tudo possível/Shutterstock)

qua. 31 janeiro 2024

guardar

ESTOCOLMO, Suécia: A geração de representações 3D de estruturas dentárias e maxilofaciais é uma etapa fundamental em muitos fluxos de trabalho odontológicos digitais; no entanto, quer envolva segmentação manual ou semiautomática, o processo pode ser demorado e sujeito a preconceitos do observador. Procurando responder a estas preocupações, investigadores na Bélgica e na Suécia treinaram e avaliaram uma plataforma baseada na nuvem para a segmentação automatizada de caninos superiores impactados em imagens de TCFC. Eles relataram que a ferramenta alcançou resultados consistentes e precisos muito mais rápido do que os especialistas.

A plataforma baseada em nuvem foi treinada usando uma rede neural convolucional, um modelo computacional que aprende a identificar condições e anomalias dentárias a partir de padrões e características em imagens. Foram utilizadas 100 imagens de TCFC apresentando impactações de caninos superiores – 50 para treinar o modelo e 50 para avaliar seu desempenho. Uma plataforma on-line baseada em nuvem previamente treinada para segmentar múltiplas estruturas dentárias e maxilofaciais, Virtual Patient Creator, foi utilizada para ambas as tarefas, e o desempenho do modelo foi avaliado em relação à segmentação semiautomática realizada por especialistas, comparando cada pixel individual no espaço 3D e o formas dos objetos nas imagens.

De acordo com os resultados do estudo, a ferramenta automatizada proporcionou segmentação consistente e precisa dos caninos superiores impactados com diversas angulações. “O desempenho do modelo foi comparável ao das [segmentações semiautomáticas] realizadas por especialistas clínicos”, escreveram os pesquisadores. Acrescentaram: “Vale ressaltar que o modelo apresentou 100% de consistência sem o problema da variabilidade humana, onde foi capaz de produzir resultados idênticos ao segmentar o mesmo caso várias vezes. Além disso, foram necessários apenas pequenos refinamentos que confirmaram a alta similaridade entre [segmentação automatizada] e [segmentação semiautomática].”

O modelo também realizou a segmentação rapidamente. Foram necessários em média 21 segundos para realizar a segmentação automatizada de caninos impactados, em comparação com uma média de 582 segundos necessários para a segmentação semiautomática, tornando-a 24 vezes mais rápida.

O estudo, intitulado “Deep learning driven segmentation of maxillary impacted canine on cone beam computed tomography images”, foi publicado online em 3 de janeiro de 2024 na Scientific Reports.

To post a reply please login or register
advertisement
advertisement