Искусственный интеллект поможет точно определить местоположение нижнечелюстных каналов
Недавнее исследование, проведенное в Финляндии, протестировало использование модели на основе ИИ для местонахождения нижнечелюстного канала и показало, что модель быстро и точно определяет на 3D-рентгенограммах местоположение каналов. Знание их точного местоположения является необходимым условием для планирования имплантации зубов.
Локализация канала на изображениях КЛКТ осложняется анатомическими вариациями в направлении и форме канала в зависимости от индивидуальных особенностей и этнической принадлежности. Чтобы избежать компрессии или других хирургических осложнений, в имплантологии рекомендуется иметь запас прочности на 2 мм выше нижнечелюстного канала. Точное знание расположения канала важно для ряда хирургических операций в полости рта и челюстно-лицевой области.
Исследователи из Университета Аалто в Эспоо, компании Planmeca и Финского Центра Искусственного Интеллекта (FCAI) разработали систему глубокого обучения и протестировали ее с помощью 3D-изображений, визуализированных с помощью КЛКТ. База данных состояла из изображений с пяти различных сканеров КЛКТ от четырех поставщиков и когорт пациентов двух национальностей — 869 финских пациентов (79%) и 234 тайских пациента (21%). Модель точно сегментировала нижнечелюстной канал.
“Когда в нейронную сеть поступает огромное количество данных и в ней отмечается местоположение нижнечелюстного канала, она учится оптимизировать свои собственные внутренние параметры. Нейронная сеть, полученная в результате этого обучения, быстро находит нижнечелюстной канал на основе индивидуальных 3D-данных, вводимых пользователем”, - сообщила соавтор Веса Варьонен, вице-президент по исследованиям и технологиям компании Planmeca, базирующейся в Хельсинки.
“В ходе клинических оценок эксперты проанализировали результаты, полученные с помощью модели, и обнаружили, что в 96% случаев они полностью применимы в клинических условиях. Мы абсолютно уверены в том, что модель работает правильно”, - прокомментировал соавтор, докторант Яакко Салстен из Университета Аалто.
#taganstom #стоматологиянатаганке #стоматология #стоматологическаяклиника #новости #искусственныйинтеллект #нижнечелюстнойканал #3Dизображения #нейроннаясеть
Недавнее исследование, проведенное в Финляндии, протестировало использование модели на основе ИИ для местонахождения нижнечелюстного канала и показало, что модель быстро и точно определяет на 3D-рентгенограммах местоположение каналов. Знание их точного местоположения является необходимым условием для планирования имплантации зубов.
Локализация канала на изображениях КЛКТ осложняется анатомическими вариациями в направлении и форме канала в зависимости от индивидуальных особенностей и этнической принадлежности. Чтобы избежать компрессии или других хирургических осложнений, в имплантологии рекомендуется иметь запас прочности на 2 мм выше нижнечелюстного канала. Точное знание расположения канала важно для ряда хирургических операций в полости рта и челюстно-лицевой области.
Исследователи из Университета Аалто в Эспоо, компании Planmeca и Финского Центра Искусственного Интеллекта (FCAI) разработали систему глубокого обучения и протестировали ее с помощью 3D-изображений, визуализированных с помощью КЛКТ. База данных состояла из изображений с пяти различных сканеров КЛКТ от четырех поставщиков и когорт пациентов двух национальностей — 869 финских пациентов (79%) и 234 тайских пациента (21%). Модель точно сегментировала нижнечелюстной канал.
“Когда в нейронную сеть поступает огромное количество данных и в ней отмечается местоположение нижнечелюстного канала, она учится оптимизировать свои собственные внутренние параметры. Нейронная сеть, полученная в результате этого обучения, быстро находит нижнечелюстной канал на основе индивидуальных 3D-данных, вводимых пользователем”, - сообщила соавтор Веса Варьонен, вице-президент по исследованиям и технологиям компании Planmeca, базирующейся в Хельсинки.
“В ходе клинических оценок эксперты проанализировали результаты, полученные с помощью модели, и обнаружили, что в 96% случаев они полностью применимы в клинических условиях. Мы абсолютно уверены в том, что модель работает правильно”, - прокомментировал соавтор, докторант Яакко Салстен из Университета Аалто.
#taganstom #стоматологиянатаганке #стоматология #стоматологическаяклиника #новости #искусственныйинтеллект #нижнечелюстнойканал #3Dизображения #нейроннаясеть
Источник: https://vk.com/wall-27117083_2363
Пост №57636, опубликован 4 сен 2023