Revista de Odontología

Revista de Odontología
Acceso abierto

abstracto

¿Se puede usar el algoritmo Support Vector Machine para mapear automáticamente las restauraciones dentales en imágenes panorámicas?

Talía Yeshua

Enunciado del problema: Las imágenes panorámicas se utilizan muy a menudo para demostrar las estructuras oromaxilofaciales en una sola imagen, con una incomodidad mínima para el paciente y una dosis de radiación baja. Sin embargo, actualmente no existe una práctica universal para generar un informe radiográfico específico para imágenes panorámicas. El uso de inteligencia artificial puede facilitar la producción de dicho informe, lo que promoverá aún más el manejo y la comunicación del paciente. Metodología & Orientación teórica: se utilizó un algoritmo de máquina de vectores de soporte (SVM) para mapear las restauraciones dentales en imágenes panorámicas. Se analizaron 83 imágenes panorámicas anonimizadas. Las imágenes contenían en total 738 restauraciones dentales, agrupadas en 8 categorías, es decir, empastes, coronas, tratamientos de conducto e implantes. Se desarrolló un algoritmo de visión por computadora, basado en umbrales adaptativos para segmentar automáticamente las restauraciones, que tienen una alta radiopacidad. Luego, el algoritmo extrajo vectores de características numéricas que caracterizan el contorno y la textura de cada restauración segmentada. Usando estos vectores, se entrenó el algoritmo SVM para clasificar las restauraciones por las características únicas que caracterizan cada tipo de restauración. Se evaluó el desempeño de la clasificación, utilizando un enfoque de validación cruzada. Hallazgos: El algoritmo segmentó 1305 hallazgos, incluyendo 698 de las 738 restauraciones dentales (94,6%) y otras regiones radiopacas, que fueron segmentadas erróneamente. Siguiendo la clasificación SVM, todas estas regiones radiopacas no se mostraban en la imagen ya que se clasificaban correctamente como marcas falsas. Sin embargo, algunas restauraciones también se clasificaron como marcas falsas y, por lo tanto, el algoritmo finalmente mostró el 90,6 % de las restauraciones. Las restauraciones dentales mostradas se clasificaron correctamente en las 8 categorías diferentes con una precisión general del 93,6 %. Conclusión &erio; Significado: basado en la forma única y la distribución de niveles de gris que caracterizan cada tipo de restauración dental en imágenes panorámicas,

Descargo de responsabilidad: este resumen se tradujo utilizando herramientas de inteligencia artificial y aún no ha sido revisado ni verificado.
Top