Алгоритм на базе искусственного интеллекта позволит значительно упростить подготовительный этап ортодонтического лечения
Алгоритм на базе искусственного интеллекта позволит многократно
облегчить работу врачам. На данный момент врачу-ортодонту требуется
около 5 часов для сегментации компьютерной томографии зубочелюстной
системы, тогда как новое программное обеспечение может выполнить задачу
всего за 25 секунд.
С помощью алгоритма компьютер справляется с
поставленной задачей молниеносно, при этом по результатам эксперимента,
итоговый результат совпадает с сегментацией зубов и челюсти, выполненной
4 разными врачами. Авторы надеются, что однажды алгоритм компьютерного
распознавания массивов позволит распознавать снимки любого пациента.
«Алгоритм разработан для выполнения сегментации различных
групп объектов, он облегчает и ускоряет работу по построению полноценных
анатомических моделей зубочелюстной системы», - пишет автор работы Х.
Ванг, представляющий отделение челюстно-лицевой хирургии и патологий
ротовой полости в больницей UMC в Амстердаме.
Трехмерная визуализация челюсти с помощью конусно-лучевой
компьютерной томографии применяется в ортодонтии для точной оценки
аномалий прикуса. На основе этих снимков можно построить трехмерную
модель для диагностики и составления плана ортодонтического лечения.
На сегодняшний день сегментация КТ зубочелюстной системы –
наиболее сложная часть в процессе преобразования снимков в трехмерную
модель отдельных зубов. Авторами работы был создан новый алгоритм для
быстрой сегментации зубов и челюсти на изображениях КЛКТ.
В процессе были использованы 28 снимков пациентов в возрасте
11-24 года, которым требовалось ортодонтическое лечение. Сегментацию
элементов зубодесневой системы провели 4 врача с не менее чем 2 годами
опыта работы по сегментации КТ-изображений отдельных зубов, элементов
челюсти и близлежащих анатомических структур.
Оказалось, что программа с помощью нового алгоритма проводит
сегментацию зубов и челюсти так же хорошо, как и специалист. Совпадение
итоговых данных составило 0,934 – для челюсти, 0,945 – для отдельных
зубов.
По итогам, численные отклонения программы от модели, выполненной
врачом, составили 0,204 мм – при распознавании зубов, 0,390 мм – при
распознавании элементов челюсти. «Для сегментации одного изображения
алгоритму потребовалось всего 25 секунд, что существенно быстрее
сегментации, выполненной человеком».
Программа совершала незначительные отклонения в процессе
распознавания выступающих частей элементов, где разница составляла около
1 пикселя. Также алгоритму не удалось выделить тонкие костные структуры
около верхнечелюстной пазухи.
Отметим, что у участников исследования не было пломб, коронок,
имплантатов, поэтому на изображениях отсутствовали тени, характерные для
металлических стоматологических изделий. В будущем авторы проверят
работу алгоритма на более привычных снимках пациентов: с реставрациями,
протезами и другими объектами в ротовой полости.
«Мы пришли к выводу, что глубокое и детальное распознавание
позволит выполнять быструю сегментацию КТ-изображений зубочелюстной
системы. Это облегчит работу врача многократно, следовательно, упростит
процесс ортодонтического лечения».