Avaliação das fases de desenvolvimento dos dentes através de um algoritmo de inteligência artificial baseado na aprendizagem profunda

Freepik

Este estudo tem como objetivo avaliar o desempenho de um sistema de aprendizagem profunda para a avaliação dos estádios de desenvolvimento dentário em imagens obtidas a partir de radiografias panorâmicas de pacientes infantis.

Métodos

O estudo recolheu um total de 1500 imagens obtidas de radiografias panorâmicas de pacientes infantis com idades compreendidas entre os 5 e os 14 anos. O YOLOv5, um modelo de deteção de objetos baseado numa rede neural convolucional (CNN), foi utilizado para detetar automaticamente os estados de calcificação dos dentes. Imagens obtidas a partir de radiografias panorâmicas de crianças foram treinadas e testadas no algoritmo YOLOv5. Foram calculados os rácios de verdadeiro-positivo (TP), falso-positivo (FP) e falso-negativo (FN). Foi utilizada uma matriz de confusão para avaliar o desempenho do modelo.  

Resultados

Entre as 146 imagens do grupo de teste com 1022 etiquetas, registaram-se 828 TPs, 308 FPs e 1 FN. Os valores de sensibilidade, precisão e pontuação F1 do modelo de deteção do modelo de desenvolvimento da fase dentária foram 0,99, 0,72 e 0,84, respetivamente.  

Conclusões

Em conclusão, a utilização de uma abordagem baseada na aprendizagem profunda para a deteção do desenvolvimento dentário em radiografias panorâmicas pediátricas pode facilitar uma avaliação precisa da correlação cronológica entre as fases de desenvolvimento dentário e a idade. Isto pode ajudar os clínicos a tomar decisões de tratamento e ajudar os dentistas a encontrar opções de tratamento mais precisas.

Fonte/Estudo completo: Kurt, A., Günaçar, D.N., Şılbır, F.Y. et al. Evaluation of tooth development stages with deep learning-based artificial intelligence algorithm. BMC Oral Health 24, 1034 (2024). https://doi.org/10.1186/s12903-024-04786-6