Внутриротовая видеосъёмка на основе искусственного интеллекта для автоматизированного осмотра и составления зубной карты у детей со сменным прикусом

Обследование зубов и регистрация их состояния (заполнение зубной карты) — необходимые, но трудоёмкие процессы. Особенно сложно проводить их у детей: сменный прикус, анатомическая вариабельность и ограниченная способность ребёнка сохранять неподвижность во время съёмки создают специфические трудности. Несмотря на значительный потенциал, существующие модели искусственного интеллекта мало применимы в детской стоматологии, поскольку разработаны преимущественно для постоянного прикуса и используют рентгеновские изображения. Чтобы восполнить этот пробел, мы разработали модель автоматизированного заполнения зубной карты у детей по видео полости рта в режиме реального времени на основе алгоритма обнаружения объектов YOLO. Модель обучили классифицировать 44 типа зубов, включая молочные и постоянные. Набор данных включал 112 538 кадров, извлечённых из 89 внутриротовых видеозаписей детей 6–12 лет на разных этапах развития зубов. Для обучения использовали 80% набора данных, для тестирования — 20%. По всем классам зубов средняя точность модели при пороге IoU 0,5 (mAP@0.5) составила 0,405, точность — 0,495, полнота — 0,405. Модель значительно лучше распознавала молочные зубы: mAP@0.5 составила 0,616 против 0,255 для постоянных зубов, что объясняется продолжающимся прорезыванием последних и непостоянством их внешнего вида. Несмотря на эти ограничения, исследование стало важным шагом к автоматизации заполнения зубной карты у детей и создаёт основу для дальнейшего применения искусственного интеллекта в детской стоматологии, в том числе для раннего выявления кариеса в школах и при масштабных программах скрининга общественного здоровья.