Компьютеру виднее: как системы систем CAD и CBCT помогают выявлять патологии зубов

Компьютеру виднее: как системы систем CAD и CBCT помогают выявлять патологии зубов

Компьютеру виднее: как системы систем CAD и CBCT помогают выявлять патологии зубов

Поделитесь в социальных сетях:

Революция в мировой стоматологии. Системы CAD анализируют рентгеновские снимки зубов и конусно-лучевой компьютерной томографии, чтобы выявить патологии.

Доктор Оскана Бандура из США рассказывает об этих алгоритмах, которые вскоре станут необходимыми инструментами в цифровых стоматологических кабинетах будущего.

«Если бы вы узнали, что ваш лечащий врач – робот – это испугало бы вас?

Машины лучше людей справляются со многими задачами, требующими точности, но им по-прежнему не хватает человеческого мышления и творческого подхода – это те качества, которые необходимы представителям интеллектуальных профессий.

Маловероятно, что роботы когда-либо заменять дантистов. Но зато стоматологи могут значительно облегчить свой труд, используя современные технологии. Автоматизированные системы обнаружения и диагностики помогают врачам обнаружить типичные признаки и классифицировать их в соответствии с определенными правилами.

Кариес

Очень важно своевременно обнаружить кариес, чтобы предотвратить возможные осложнения. Кроме того, кариес на ранних стадиях часто можно вылечить без сверления. Следует не только обнаруживать кариес, но и определять его глубину с помощью некоторых неинвазивных и эмалевых методов.

Визуальный осмотр и рентгенография – два наиболее распространенных метода обнаружения кариеса. Рентгенологическое обследование особенно полезно при выявлении межпроксимального кариеса, который возникает между контактирующими поверхностями двух соседних зубов – невооруженным глазом его трудно обнаружить.

Для повышения эффективности как визуального, так и рентгеновского анализа можно использовать стоматологические CAD-системы, которые позволяют не только определять кариес, но и классифицировать его в зависимости от предполагаемой глубины поражения.

В течение последнего десятилетия ученые ввели несколько систем, основанных на различных методах классификации машинного обучения, таких как SVM, нейронные сети.

Хотя определенный прогресс был продемонстрирован, уровень успешности обнаружения кариеса при рентгенографии зубов по-прежнему недостаточен. На Международном симпозиуме по биомедицинской визуализации (ISBI) 2015 компьютерно-автоматизированная сегментация кариеса в рентгенографии была определена как одна из больших проблем в анализе снимков зубов, и, согласно озвученным результатам, проблема остается нерешенной до конца.

Однако некоторые многообещающие результаты были достигнуты в процессе автоматического выявлении кариеса через оптические изображения.

Автоматическое расположение кариозных поражений в изображениях окклюзионной поверхности зубов может помочь стоматологам в некоторых сложных случаях, таких как ранний кариес, развывшийся в аномально наклонных зубами. В исследовании предлагается комплексная система анализа зубов, основанная на передовых методах сегментации и выделения признаков, сопровождаемых суперклассификатором. Программное обеспечение оценивает кариозные поражения в соответствии с Международной системой обнаружения и оценки кариеса (ICDAS). Точность системы составила 86,3%, специфичность до 91,7% и чувствительность к 83,0%.

Каналы

Важно, чтобы эндодонтическое лечение корневых каналов сопровождалось детальным рентгеноскопом или CBCT-исследованием пораженных корней с наиболее точным измерением длины и формы корневого канала. Но эта задача может вызывать затруднения, особенно когда зуб имеет несколько каналов и/или каналы сильно изогнуты.

Ранее предлагался метод, основанный на модели линейного предсказания для обнаружения и сегментации края корневого канала в плоских рентгеновских изображениях. Но достигнутая точность ниже 85%, что, вероятно, недостаточно для успешного применения на практике.

В другом исследовании предлагается проанализировать фрагменты микро-CT и CBCT. Применение алгоритмов компьютерного обеспечения к средам с высоким разрешением создает трехмерную модель корневого канала, которая отражает свою форму с достаточной точностью. Предлагаемый метод основан на кластеризации с нечетким c-средством, неконтролируемой машинной методикой, используемой для сегментации изображения. Алгоритм группирует данные изображений в кластеры, соответствующие корневому каналу и окружающим тканям. После того как каждый сегмент сегментирован, программное обеспечение создает трехмерную реконструкцию корневого канала (каналов) со всеми завихрениями и кривыми. Исследователи сообщили, что показатель успеха составляет 92%, и пришли к выводу, что предлагаемый метод является достаточно точным для использования в эндодонтической практике.

Периапикальные поражения

Важно различать два распространенных типа периапикальных повреждений: гранулемы и апикальные кисты. Гранулемы могут излечиваться сами по себе, тогда как кисты требуют хирургического лечения. Как правило, окончательный диагноз производится после удаления зуба с последующей биопсией, что исключает возможность неинвазивного лечения гранулемы и сохранения зубов.

Недавно ученые из Калифорнии предложили систему анализа изображений зубов, которая решает проблему классификации периодонтита. Предлагаемое полуавтоматическое ПО использует графические теоретические блуждания для сегментации изображений и алгоритмы машинного обучения для классификации поражения в средах CBCT. Этот метод правильно классифицировал поражения в 94,1% случаев, что делает его наиболее успешной системой CAD для этой классификации.

Электронные консультанты стоматологов

Стоматологические системы CAD способны реально ускорить диагностический процесс. И хотя их производительность по-прежнему варьируется от «неудовлетворительного» до «вполне приемлемого», с космической скоростью развития компьютерных систем, мы можем ожидать, что очень скоро эти алгоритмы станут обязательным инструментом в практике стоматологов по всему миру».

Поделитесь в социальных сетях:

BEGIN JIVOSITE CODE { literal } -- > < script type = 'text/javascript' > (function () { var widget_id = 'SAJSC05hzJ'; var d = document; var w = window; function l() { var s = document.createElement('script'); s.type = 'text/javascript'; s.async = true; s.src = '//code.jivosite.com/script/widget/' + widget_id; var ss = document.getElementsByTagName('script')[0]; ss.parentNode.insertBefore(s, ss); } if (d.readyState == 'complete') { l(); } else { if (w.attachEvent) { w.attachEvent('onload', l); } else { w.addEventListener('load', l, false); } } })();