- Áustria / Österreich
- Bósnia e Herzegovina / Босна и Херцеговина
- Bulgária / България
- Croácia / Hrvatska
- República Checa; Eslováquia / Česká republika & Slovensko
- França / France
- Alemanha / Deutschland
- Grécia / ΕΛΛΑΔΑ
- Itália / Italia
- Países Baixos / Nederland
- Países Nórdicos / Nordic
- Polónia / Polska
- Portugal / Portugal
- Roménia; Moldávia / România & Moldova
- Eslovénia / Slovenija
- Sérvia; Montenegro / Србија и Црна Гора
- Espanha / España
- Suíça / Schweiz
- Turquia / Türkiye
- Reino Unido e Irlanda / UK & Ireland
ESPOO, Finlândia: Para pôr um implante, os profissionais de Odontologia precisam primeiro localizar o canal mandibular, o que normalmente é feito usando técnicas de imagem de TCFC. Como isso geralmente requer tempo e energia consideráveis, os pesquisadores finlandeses desenvolveram recentemente um método para localizar automaticamente os canais mandibulares com a ajuda da inteligência artificial, a fim de facilitar a colocação de implantes dentários.
O estudo foi uma colaboração entre pesquisadores do Centro Finlandês de Inteligência Artificial, Hospital Universitário de Tampere, na Finlândia, o fabricante finlandês Planmeca e o Instituto Alan Turing, no Reino Unido. No estudo, os pesquisadores desenvolveram um novo método de aprendizado aprofundado que ajuda a determinar automaticamente a localização exata dos canais mandibulares. O modelo é baseado no treinamento e no uso de redes neurais profundas, empregando um conjunto de dados que consiste em varreduras de CBCT.
Após treinar o modelo nos volumes anotados grosseiramente, os pesquisadores foram capazes de localizar com precisão os canais mandibulares do conjunto anotado no nível voxel, sendo a distância média da curva e a distância média simétrica da superfície de 0,56 mm e 0,45 mm, respectivamente. Os resultados mostram que o modelo superou com êxito os modelos estatísticos de formas normalmente usados em pesquisas.
Segundo os pesquisadores, o novo modelo pode atingir precisão quase humana nos casos em que o paciente não possui condições pré-existentes e não requer tratamento especial. "Em casos mais complexos, pode ser necessário ajustar a estimativa, por isso ainda não estamos falando de um sistema totalmente independente", disse o principal autor Joel Jaskari, candidato a doutorado na Universidade Aalto, na Finlândia, em um comunicado à imprensa.
Os pesquisadores observaram que o objetivo do estudo era otimizar os fluxos de trabalho dos radiologistas. “O objetivo deste trabalho de pesquisa não é, contudo, substituir os radiologistas, mas tornar seu trabalho mais rápido e eficiente para que tenham tempo de se concentrar em casos mais complexos”, explicou o professor Kimmo Kaski, consultor sênior em ciência da computação na Universidade de Aalto.
A Planmeca, especializada no desenvolvimento de dispositivos de imagem digital 3D e 2D, unidades odontológicas e soluções e software CAD/CAM, atualmente está integrando o modelo em seu software. O modelo será utilizado com o equipamento de tomografia 3D Planmeca.
O estudo, intitulado "Deep learning method for mandibular canal segmentation in dental cone beam computed tomography volumes", foi publicado on-line em 3 de abril de 2020 na Scientific Reports.
Marcadores:
seg. 22 abril 2024
11:00 BRT (Sao Paulo)
Precision in practice: Elevating clinical communication
ter. 23 abril 2024
14:00 BRT (Sao Paulo)
Growing your dental practice or DSO with better financial operations
qua. 24 abril 2024
9:00 BRT (Sao Paulo)
YITI Lounge: Navigating modern implant dentistry—from prosthetic planning to digital verification, are we there yet?
qua. 24 abril 2024
14:00 BRT (Sao Paulo)
Advanced techniques in peri-implant tissue augmentation and maintenance
sex. 26 abril 2024
13:00 BRT (Sao Paulo)
How you can access data-driven decision making
seg. 29 abril 2024
13:30 BRT (Sao Paulo)
Root caries: The challenge in today’s cariology
ter. 30 abril 2024
14:00 BRT (Sao Paulo)
To post a reply please login or register