Автоматическое распознавание зубов и измерение потери костной ткани пародонта на цифровых рентгенограммах с использованием искусственного интеллекта на основе глубокого обучения

Введение: Искусственный интеллект (ИИ) благодаря высокой точности и широкому спектру применения может оптимизировать подходы к лечению в стоматологии. Целью настоящего исследования была разработка новой ансамблевой модели глубокого обучения на основе алгоритмов глубокой сверточной нейронной сети для определения положения и формы зубов, сохранённого уровня межзубной кости и рентгенологических признаков потери костной ткани по прицельным внутриротовым и интерпроксимальным рентгенограммам.

Методы: В исследование включили 270 пациентов, обследованных с января 2015 года по декабрь 2020 года; все изображения были обезличены и не содержали персональных данных. Для создания модели использовали 8000 прицельных рентгенограмм, на которых визуализировались 27 964 зуба. В качестве новой ансамблевой модели разработали алгоритмы ИИ с использованием модели YOLOv5 и платформы разметки VIA, а также архитектур VGG-16 и U-Net. Результаты анализа ИИ сравнивали с оценками врачей.

Результаты: Точность ансамблевой модели, обученной методом глубокого обучения, при анализе прицельных рентгенограмм составила около 90%. Точность определения положения зубов составила 88,8%, формы зубов — 86,3%, уровня периодонтальной кости — 92,61%, рентгенологической потери костной ткани — 97,0%. При этом модели ИИ превосходили средние показатели точности стоматологов, составлявшие 76–78%.

Выводы: Предложенная ансамблевая модель глубокого обучения может стать основой для рентгенологического выявления изменений и ценным дополнением к диагностике заболеваний пародонта. Высокие точность и надёжность модели свидетельствуют о её значительном потенциале для повышения эффективности работы стоматологов и создания более эффективной системы стоматологической помощи.