Jednozubé zubní protézy navržené umělou inteligencí

Cíle:

1. Porovnat čtyři metody/algoritmy hlubokého učení při interpretaci a učení vlastností 3D modelů;
2. Porovnat systém AI se samotným modelem maxilárního zubu s modely maxilární a mandibulární (antagonisty);
3. Porovnat okluzní morfologii a 3D polohu jednozubých zubních náhrad navržených vyškolenou AI a zubními techniky.

Metody:

Nejprve vyšetřovatelé shromáždí 200 modelů čelistních zubů jako tréninkové modely. Umělá inteligence se naučí vztah mezi jednotlivými zuby a zbytkem chrupu pomocí 3D Generative Adversarial Network (GAN) pomocí následujících metod/algoritmů hlubokého učení:

Skupina 1) Na bázi voxelu; Skupina 2) Na základě pohledu; Skupina 3) Bodové; a Skupina 4) Fúzní metody. Vyšetřovatelé shromáždí dalších 100 maxilárních modelů, které slouží jako validační modely. Vyšetřovatelé odstraní zub (fungují jako kontrola) v každém modelu. Poté vyšetřovatelé vyhodnotí tyto algoritmy hlubokého učení při predikci okluzní morfologie a 3D pozice jednoho chybějícího zubu.

Za druhé, vyšetřovatelé vyhodnotí potřebu modelu antagonisty při predikci okluzní morfologie a 3D polohy jediného chybějícího zubu ve 100 validačních modelech:

Skupina i) pouze maxilární model a skupina ii) s modelem antagonisty využívající testovaný algoritmus hlubokého učení v cíli (1).

Za třetí, vyšetřovatelé budou analyzovat geometrickou morfometrickou a 3D polohu zubních náhrad navržených:

Skupina a) trénovaný systém umělé inteligence; Skupina b) zubní technici na fyzických modelech; a Skupina c) zubní technici používající CAD software. Výzkumníci budou porovnávat tyto zuby s odpovídajícími přirozenými zuby (kontrola) ve 100 validačních modelech.

Kromě toho budou vyšetřovatelé analyzovat čas potřebný pro návrh zubu v těchto skupinách jako sekundární výsledek.