Påvisning af periapikale læsioner på tandpanoramiske røntgenbilleder baseret på kunstig intelligens (OPTITOMO)

Dentale periapikale skader kan have forskellige årsager og afspejles af en radiolucent læsion på komplementær billeddannelse: vinklede retro-alveolære (RA) røntgenbilleder, dental panorama-røntgenbilleder og tredimensionel billeddannelse såsom computertomografi (CT) eller keglestrålecomputertomografi ( CBCT).

Til radiografisk påvisning af disse dybe parodontale læsioner repræsenterer tandpanoramabilledet en første tilgang, der almindeligvis udføres med relativt lav stråling. Undersøgelsen kan efterfølges af retroalveolær radiologisk billeddannelse, der er mere lokaliseret og mere præcis. Men ved at bruge disse teknikker er påvisningsraterne for disse læsioner lave (henholdsvis 20 % og 36 %), det er nødvendigt at bruge tredimensionel tomografisk undersøgelse for at være mere diskriminerende (69 %). Guldstandardbilledet til påvisning af disse læsioner er CBCT efterfulgt af retroalveolær radiografi (~2x mindre følsom end CBCT) og panoramisk radiografi (~2x mindre følsom end RA). Selvom det ikke er et røntgenbillede i fuld tykkelse, har tandpanorama den fordel, at den udføres mere almindeligt, mens den er mindre udstrålende end CBCT og giver et globalt overblik over tandbuerne på et enkelt billede.

Påvisningen af ​​periapikale læsioner sker efter en klinisk vurdering og en visuel vurdering af de komplementære undersøgelser.

Formålet med dette projekt er at forbedre påvisningen af ​​periapikale læsioner ved at udvikle en algoritme, der kan identificere dem på et panoramisk dental røntgenbillede. Denne algoritme er baseret på et dybt læringssystem trænet med referencedata, herunder panoramisk dental billeddannelse og CBCT med et optagelsesinterval på mindre end 3 måneder. Modellen er baseret på et tidligere arbejde, vil forbedre kvaliteten af ​​de indledende data (ved hjælp af CBCT), ved hjælp af innovative kunstig intelligens algoritmer (transfer learning).