Search Dental Tribune

Pubblicata una panoramica per rendere l'apprendimento dell'IA in odontoiatria facile

Navigare nelle complesse tecnologie associate all’intelligenza artificiale è diventato molto più semplice grazie a un geniale professore che ha scomposto questi concetti tecnici in pezzi di facile comprensione (Image: grafvision/Shutterstock).

GIFU, Giappone: Per i medici che lottano per tenere il passo con i costanti sviluppi nel campo dell’intelligenza artificiale (IA) in odontoiatria, il Prof. Akitoshi Katsumata, preside del Dipartimento di Radiologia Orale presso la scuola dentale dell’Università Asahi di Gifu, ha fornito una chiara panoramica delle applicazioni dell’IA nel campo dell’imaging diagnostico dentale. Il seguente articolo è un breve riassunto delle spiegazioni del Prof. Katsumata.

L’apprendimento automatico e altri campi dell’intelligenza artificiale (IA) hanno trovato significative applicazioni nella rappresentazione diagnostica dentaria dall’inizio del ventunesimo secolo. La radiografia digitale e la CBCT hanno rimodellato l’odontoiatria, portando allo sviluppo di sistemi di rilevamento e diagnosi computer assistiti. Questi progressi hanno permesso ai dentisti di identificare diverse condizioni, tra cui lesioni del seno mascellare, le alterazioni ossee mandibolari correlate all’osteoporosi e la calcificazione dell'arteria carotidea, con notevole precisione.

I sistemi di individuazione precoce e di diagnosi si basavano su regole e conoscenze artigianali per ottenere specifiche scoperte radiografiche. Tuttavia, dall’inizio degli anni 2010, l’apprendimento automatico, in particolare il deep learning (DL), ha acquisito importanza nei sistemi di rilevamento e diagnosi. Il DL sfrutta le reti neurali ispirate alla struttura del cervello umano, consentendogli di eccellere nell’analisi delle immagini, nell’elaborazione del linguaggio naturale, nell’analisi predittiva e nel controllo dei sistemi meccanici. Nell’imaging diagnostico dentale, le applicazioni di IA hanno progredito costantemente attraverso varie modalità, quali la radiografia intraorale, la radiografia panoramica e la CBCT.

Il compito di classificazione svolge un ruolo fondamentale nell’identificazione delle posizioni dei denti sulle radiografie periapicali, dove la distinzione tra mascella e mandibola e lato sinistro e destro può essere difficile. Il DL offre una soluzione precisa per l’identificazione dentale. È importante sottolineare che le interfacce grafiche di facile utilizzo hanno reso il deep learning accessibile ai dentisti senza competenze di programmazione.

L’accuratezza delle etichette di classificazione iniziali assegnate dall’uomo è fondamentale per le attività di classificazione supervisionate, in cui un modello di apprendimento automatico viene addestrato a classificare i dati in categorie predefinite. Ad esempio, il deep learning può identificare con precisione i denti soprannumerari impattati sulla base di criteri chiari. Al contrario, la diagnosi di morfologia della corteccia mandibolare, indicativa di osteoporosi, può richiedere l’osservazione di esperti. Identificare le lesioni periapicali, come le cisti radicolari, presenta ulteriori sfide.

Le attività di rilevamento delle regioni in DL coinvolgono l’intelligenza artificiale che impara dalle regioni di interesse annotate dagli esperti per definire automaticamente le regioni di interesse nelle immagini. Ciò è essenziale per la classificazione dei risultati radiografici positivi e negativi. Le applicazioni dentali includono la rilevazione di problemi del seno mascellare e lesioni radiolucenti nella mandibola.

Il rilevamento automatico dei denti nella radiografia panoramica rappresenta un importante passo avanti. Questa tecnica non solo aiuta nella diagnosi delle malattie dentali, ma anche nell’identificazione post mortem dopo disastri naturali. Tuttavia, la sovrapposizione dei denti nelle immagini panoramiche può complicare il processo di identificazione.

Il compito di segmentazione dei processi di DL divide un’immagine in segmenti distinti, distinguendo gli oggetti dallo sfondo. La segmentazione semantica utilizza i colori per separare gli oggetti, mentre la segmentazione delle istanze identifica le singole istanze della stessa classe. Questa tecnica è adatta per l’identificazione dentale nelle radiografie panoramiche con una visione chiara. Le attività di segmentazione completano il rilevamento della regione e sono essenziali per tracciare con precisione il profilo delle strutture bersaglio e delle lesioni. Esempi includono l’estrazione del canale mandibolare e del seno mascellare nelle radiografie panoramiche e la segmentazione delle lesioni periapicali.

L’IA generativa comprende la creazione di nuovi contenuti, come testo e immagini, attraverso modelli di DL. Questi modelli sono stati utilizzati per ridurre il rumore delle immagini e perfezionare le immagini dentali, migliorando l’interpretazione e la diagnosi. Inoltre, l’IA generativa aiuta nella creazione di caratteristiche dentali e facciali specifiche per il paziente, assistendo nelle spiegazioni del trattamento e nel CAD.

Lo studio, intitolato “Deep learning and artificial intelligence in dental diagnostic imaging”, è stato pubblicato nel numero di dicembre 2023 del Japanese Dental Science Review.

Tags:
To post a reply please login or register
advertisement
advertisement