Periapical leesioiden havaitseminen hammaspanoraamaröntgenkuvissa tekoälyn perusteella (OPTITOMO)

Hampaiden periapikaalisilla vaurioilla voi olla useita syitä, ja se heijastuu täydentävän kuvantamisen radioluenteina vaurioina: kulmautunut retro-alveolaarinen (RA) röntgenkuva, hammaspanoraamaröntgenkuva ja kolmiulotteinen kuvantaminen, kuten tietokonetomografia (CT) tai kartiosädetietokonetomografia ( CBCT).

Näiden syvien parodontaalivaurioiden radiografiseen havaitsemiseen hampaiden panoraamakuva edustaa ensimmäistä lähestymistapaa, joka yleensä suoritetaan suhteellisen alhaisella säteilyllä. Tutkimuksen jälkeen voidaan tehdä retroalveolaarinen radiologiakuvaus, joka on paikallistunut ja tarkempi. Näitä tekniikoita käytettäessä näiden leesioiden havaitsemisasteet ovat kuitenkin alhaiset (20 % ja 36 %), joten on tarpeen käyttää kolmiulotteista tomografista tutkimusta, jotta se olisi erottelevampi (69 %). Kultastandardikuvaus näiden leesioiden havaitsemiseksi on CBCT, jota seuraa retroalveolaarinen röntgenkuvaus (~2x vähemmän herkkä kuin CBCT) ja panoraamaradiografia (~2x vähemmän herkkä kuin RA). Vaikka hampaiden panoraamakuva ei ole täysipaksuinen röntgenkuva, sen etuna on, että se suoritetaan yleisemmin, mutta se säteilee vähemmän kuin CBCT ja antaa yleiskuvan hammaskaareista yhdellä kuvalla.

Periapikaaliset leesiot havaitaan kliinisen arvioinnin ja täydentävien tutkimusten visuaalisen arvioinnin jälkeen.

Tämän projektin tavoitteena on parantaa periapikaalisten leesioiden havaitsemista kehittämällä algoritmi, joka tunnistaa ne panoraamahammasröntgenkuvassa. Tämä algoritmi perustuu syväoppimisjärjestelmään, joka on koulutettu referenssitiedoilla, kuten panoraamahammaskuvauksella ja CBCT:llä, joiden hankintaväli on alle 3 kuukautta. Malli perustuu aikaisempaan työhön, parantaa lähtötietojen laatua (CBCT:tä käyttämällä) innovatiivisten tekoälyalgoritmien avulla (transfer learning).