Studija istražuje upotrebu algoritma dubokog učenja za otkrivanje okluzalnog karijesa

Studija istražuje upotrebu algoritma dubokog učenja za otkrivanje okluzalnog karijesa

Dijagnostička studija o otkrivanju okluzalnog karijesa sa kliničke fotografije korišćenjem algoritma dubokog učenja biće predstavljena na 101. generalnoj sednici IADR-a, koja će se održati u vezi sa 9. sastankom regiona Latinske Amerike i 12. svetskim kongresom. o preventivnoj stomatologiji 21-24. juna 2023. u Bogoti, Kolumbija.

Prezentacija Interactive Talk, „Automatsko otkrivanje okluzalnog karijesa korišćenjem algoritma dubokog učenja“, održaće se u subotu, 24. juna u 16:25. Kolumbijsko vreme (UTC-05:00) tokom sesije „Prevalencija zdravstvenih stanja i faktori rizika“.

Studija Chukvuebuka Elozona Ogvo sa Univerziteta Temple, Filadelfija, Pensilvanija, SAD, nastojala je da odredi tačnost, preciznost i osetljivost IOLOv7 algoritma za detekciju objekata u detekciji okluzalnog karijesa na osnovu kliničkih fotografija i (2) da razvije softver za otkrivanje okluzalnog karijesa.

U studiju su uključene samo odrasle osobe (>=18 godina) sa trajnim zubima koje primaju negu na Stomatološkoj školi Univerziteta Templ Kornberg. Studenti 4. godine stomatologije sakupili su 300 intraoralnih fotografija okluzalnih površina i mandibularnog i maksilarnog luka pomoću fotoaparata Coolpik L840. Slike su označene pomoću Roboflov V4. Nakon prethodne obrade i povećanja podataka, generisano je 845 slika koje su nasumično podeljene u tri seta: obuka, validacija i testiranje—70:20:10, respektivno.

Podaci su zatim analizirani korišćenjem IOLO v7 u 100 epoha, sa veličinom serije od 1 i veličinom slike od 1280k640. Metrike performansi algoritma bile su srednja prosečna preciznost (mAP), opoziv (osetljivost) i preciznost (pozitivna prediktivna vrednost). Konačni algoritam je korišćen za kreiranje softvera na Flasku i primenjen na Heroku.

Algoritam je doveo do 79,5% preciznosti, 83% prisećanja, 81,2% F1-skora i 80% mAP@0,5 rezultata u detekciji okluzalnog karijesa na kliničkoj fotografiji i mandibularnog i maksilarnog luka. Studija je dala obećavajući rezultat AI u automatizaciji detekcije karijesne lezije sa kliničke fotografije. Kada se koristi kao aplikacija za telefon, može poslužiti kao važan alat za teledentologiju i poboljšati pristup nezi.