Segmentação de digitalização intra-oral utilizando aprendizagem profunda

As digitalizações intra-orais e as digitalizações com gesso (OS) são amplamente utilizadas em ortodontia, prótese, implantologia e cirurgia ortognática para planear tratamentos específicos do paciente, o que requer segmentações de dentes com elevada precisão e resolução. A segmentação manual dos dentes, o padrão ouro até agora, é demorada, tediosa e dependente do observador. Este estudo tem como objetivo desenvolver um sistema automatizado de segmentação e rotulagem de dentes utilizando a aprendizagem profunda.  

Material e métodos

Como referência, 1750 OS foram segmentados e etiquetados manualmente. Uma abordagem de aprendizagem profunda baseada em PointCNN e 3D U-net em combinação com um algoritmo heurístico baseado em regras e um algoritmo de pesquisa combinatória foi treinada e validada em 1400 OS. Posteriormente, o algoritmo treinado foi aplicado a um conjunto de teste constituído por 350 SO. A intersecção sobre a união (IoU), como medida de exatidão, foi calculada para quantificar o grau de semelhança entre a verdade terrestre anotada e as previsões do modelo.  

Resultados

O modelo obteve segmentações exactas dos dentes com uma pontuação IoU média de 0,915. As etiquetas FDI dos dentes foram previstas com uma precisão média de 0,894. A inspeção ótica mostrou excelentes concordâncias de posição entre os componentes dos dentes segmentados automática e manualmente. As falhas menores foram vistas principalmente nas bordas.  

Conclusão

O método proposto constitui uma base promissora para a segmentação e rotulagem de dentes com eficiência de tempo e independente do observador em exames intra-orais.  

Significado clínico

A aprendizagem profunda pode ajudar os clínicos no planeamento de tratamentos virtuais em ortodontia, prótese, implantologia e cirurgia ortognática. O impacto da utilização destes modelos na prática clínica deve ser explorado.

Fonte: Vinayahalingam, S., Kempers, S., Schoep, J. et al. Intra-oral scan segmentation using deep learning. BMC Oral Health 23, 643 (2023). https://doi.org/10.1186/s12903-023-03362-8