Tekoälyn avulla suunnitellut yhden hampaan hammasproteesit

Tavoitteet:

1. Vertaa neljää syväoppimismenetelmää/-algoritmia 3D-mallien ominaisuuksien tulkinnassa ja oppimisessa;
2. Vertaa tekoälyjärjestelmää pelkällä yläleuan hammasmallilla yläleuan ja alaleuan (antagonisti) malleihin;
3. Vertaa koulutetun tekoälyn ja hammasteknikon suunnittelemien yksihampaisten hammasproteesien okklusaalista morfologiaa ja 3D-asentoa.

Menetelmät:

Ensin tutkijat keräävät koulutusmalleiksi 200 yläleuan hammashammasmallia. Tekoäly oppii yksittäisten hampaiden ja muun hampaiden välisen suhteen 3D Generative Adversarial Network (GAN) -verkoston avulla seuraamalla syvällisiä oppimismenetelmiä/algoritmeja:

Ryhmä 1) Voxel-pohjainen; Ryhmä 2) Näkymäpohjainen; Ryhmä 3) Pisteperusteinen; ja ryhmä 4) Fuusiomenetelmät. Tutkijat keräävät vielä 100 yläleuan mallia, jotka toimivat validointimalleina. Tutkijat poistavat hampaan (toimii kontrollina) jokaisesta mallista. Sitten tutkijat arvioivat näitä syväoppimisalgoritmeja ennustaessaan yhden puuttuvan hampaan okklusaalista morfologiaa ja 3D-asemaa.

Toiseksi tutkijat arvioivat antagonistimallin tarvetta yhden puuttuvan hampaan okklusaalisen morfologian ja 3D-aseman ennustamisessa 100 validointimallissa:

Ryhmä i) vain yläleuan malli ja ryhmä ii) antagonistimallilla käyttäen testattua syväoppimisalgoritmia tavoitteessa (1).

Kolmanneksi tutkijat analysoivat hammasproteesien geometrisen morfometrisen ja 3D-aseman, jonka suunnittelija on:

Ryhmä a) koulutettu tekoälyjärjestelmä; Ryhmä b) hammasteknikot fyysisten mallien perusteella; ja ryhmä c) CAD-ohjelmistoa käyttävät hammasteknikot. Tutkijat vertaavat näitä hampaita vastaaviin luonnollisiin hampaisiin (kontrolli) 100 validointimallissa.

Lisäksi tutkijat analysoivat hampaiden suunnitteluun kuluvaa aikaa näissä ryhmissä toissijaisena tuloksena.