Analýza mikrobiálního zubního plaku u mladých trvalých zubů pomocí hlubokého učení

Zubní plak je definován jako mikrobiální komunita uložená v matrici složené z polymerů odvozených z bakterií a obsahu slin, které se tvoří na povrchu zubů. Mikrobiální zubní plak se adsorbuje na povrch zubu během několika sekund po čištění zubů a přetrvává funkční. Tyto molekuly primárně existují v tekutině subgingiválního sulku spolu se slinami a demonstrují osídlení v této oblasti. Primárním etiologickým faktorem gingivitidy a parodontitidy je bakteriální plak, který může vést k destrukci gingiválních tkání a úponu parodontu. U dětí, pokud není zavedena ústní hygiena bezprostředně po prořezání zubu a nejsou zavedeny pravidelné návyky čištění zubů, může se vrstva bakteriálního biofilmu usadit na povrchu zubů a okrajích dásní spojených s ústním prostředím a iniciovat zánět dásně.

Včasná detekce a léčba onemocnění parodontu v počátečních stádiích u dětí jsou klinicky důležité, protože tyto stavy mohou zesílit a vést k nepříznivým následkům v pozdějších obdobích. Bakteriální plak je primárním etiologickým faktorem onemocnění dásní u dětí. Identifikace a rozlišení mikrobiálního zubního plaku pacienty může být náročné. Plaky lze detekovat rutinní klinickou praxí pomocí periodontálních sond a/nebo roztoků odhalujících plak. Přestože jsou tyto metody široce používány, mohou přinést subjektivní výsledky. Tyto metody hodnocení však mohou být u nespolupracujících dětí těžkopádné, časově náročné a neúspěšné. Kromě toho mohou roztoky odhalující plak používané pro mikrobiální detekci zubního plaku dočasně zabarvit ústní sliznici a rty. Literatura také zahrnuje digitální zobrazovací analýzy, jako je laserem indukovaná autofluorescenční spektroskopie a HIS barevný prostor pro detekci mikrobiálního zubního plaku. Jejich použití však omezují nevýhody, jako je vysoká cena zařízení a technická standardizace.

Z těchto důvodů je cílem této studie vyvinout cenově dostupný a snadno dostupný model umělé inteligence (AI) pro včasnou a přesnou diagnostiku mikrobiálního zubního plaku u dětí. Cílem je předcházet různým parodontologickým problémům a poskytovat motivaci k ústní hygieně hodnocením diagnostického a detekčního výkonu tohoto modelu AI.

S pokrokem v oblasti umělé inteligence pro zpracování obrazu se výrazně zvýšil výzkum v oblasti detekce, segmentace a kvantifikace zubního plaku na snímcích pořízených dentálními kamerami. Jedna studie se pokusila detekovat zubní plak pomocí algoritmu strojového učení Enhanced K-Means. Kromě toho byla vyvinuta platforma internetu věcí (IoT) pro zubní zdraví založená na Mask R-CNN, která klasifikuje sedm různých onemocnění dutiny ústní, včetně zubního plaku, s dokonalou mírou přesnosti pro rozpoznání plaku, i když ne pro segmentaci.

Zatímco model U-Net je široce považován za úspěšný a hlavní proud v oblasti zpracování biomedicínského obrazu, v literatuře neexistují žádné studie o analýze zubního plaku pomocí U-Net a jeho variant. Navíc nebyly zjištěny žádné studie týkající se analýzy zubního plaku u mladých stálých zubů dětí. Tato studie se proto snaží trénovat šest nejmodernějších modelů umělé inteligence, zahrnujících varianty modelu U-Net, pro účely predikce zubního plaku u mladých stálých zubů dětí. Následně jsou jejich výkony pečlivě shrnuty a prezentovány pro komplexní analýzu. Nakonec, aby se potvrdila klinická proveditelnost nejvýkonnějšího modelu, jsou provedeny testy statistických hypotéz, které srovnávají předpovědi modelu AI s hodnocením tří zubních lékařů.