A mesterséges intelligencia technológia pontossága a gyökércsatornák számának kimutatásában az emberi mandibularis első őrlőfogban, amely elzáródott és újrakezelésre javasolt: Diagnosztikai pontosság kísérleti tanulmány

értékelje az új mesterséges intelligencia technológia pontosságát a gyökércsatornák kimutatására a mandibularis első őrlőfogak újrakezelése esetén, összehasonlítva a fogorvosi klinikai hozzáférésű üreggel és a CBCT képalkotással.

1. CBCT vizsgálati szakasz: Ebben a szakaszban a CBCT szkennelés a Soredex Cranex 3D Dental Imaging System (FINNORSZÁG) segítségével történt, a következő paraméterekkel ((XS FOV méretek 61 x 41 mm (HxD)) (XS FOV Nagy felbontás 90 kV / 4 - 12,5 mA / 6,1 s)).

   A mintákat randomizáló szoftverrel (Microsoft Office Excel, USA) randomizálják, és véletlenszerűen osztják ki 2 endodontológushoz, akik nincsenek tisztában a 2. szakasz eredményeivel. A CBCT-felvételek DICOM formátumban történő értelmezése és szegmentálása az OnDemand szoftver (USA) segítségével, az azonosított csatornák száma egy előre meghatározott információs útmutatóban rögzítésre kerül.

   A mintákat a beteg iratszáma alapján kódolják, és a kódokat nem hozták nyilvánosságra, így a CBCT-vizsgálók nem tudták azonosítani a mintákat. A tomográfiás metszetek elemzése során az összes képet az axiális metszetből értelmeztük, a csatornák számát a megfelelő radiolucens nyílások azonosítják, függetlenül azok gyökér menti elhelyezkedésétől.

2. Klinikai szakasz: Ez egy olyan klinikai stádium, ahol a harmincöt beteget, a teljesítményelemzés alapján előre meghatározottak szerint, véletlenszerűen osztják szét 6 gyakorló között randomizációs szoftver (Microsoft Office Excel) segítségével. A gyakorló orvosok ezután fogászati ​​​​működési mikroszkóp alatt (Leica M320D 16-szoros nagyítással, teljesen integrált 4K kamerával) megkezdik a hozzáférés kialakítását.

   A hozzáférés TR13 gyémántkővel történik (Mani, Japán) a fogszuvasodás és a pótlások eltávolítására.

   A mélyedés ultrahangos csúcs (NSK E4 és E15D) 3W teljesítményével történik.

   Az öntözéshez NAOCL-t (JK Dental Vision nátrium-hipoklorit, Egyiptom) használnak 2,5%-os koncentrációban.

   A guttaperchát M-pro forgóreszelőkkel távolítják el a csatornából:

   Először nyílásnyitót használunk a koronális guttapercha eltávolítására, majd a sárga reszelővel 4%-kal elvékonyodtak, majd erősítjük meg a munkahosszt csúcskeresővel, majd a 25-ös kúpos reszelővel távolítsuk el a maradék guttaperchát.

   A DG16 endodontikus szondát (Dentsply Sirona, Németország) használják a csatornanyílások lokalizálására.

   A klinika PHD felügyelőinek megerősítése után a talált nyílások számát egy előre elkészített tájékoztatón rögzítik, páciensenként egy vizit alkalmával. A hozzáférési üreget a Leica M320D DOM segíti

3. Mesterséges intelligencia szakasz: Ennek a szakasznak a végrehajtását kizárólag a vezető kutató végzi. A CBCT képeket a konvolúciós neurális hálózati szoftverbe (CNN) töltik fel, amely mély tanulási algoritmust és CBCT szegmentációt használ. A szoftver ezután rögzíti a talált csatornák számát

Az alkalmazott szoftver mély konvolúciós neurális hálózatokat (CNN-eket) alkalmaz egy speciális U-net által ihletett struktúrával. A teljes CBCT-vizsgálat feltöltésre kerül a szoftverbe, ahol az összes összegyűjtött képet elemzik, és a 3D-s szkennelés során minden egyes fogat pontosan meghatároznak és értékelnek. A szoftver mintafelismerést és statisztikai előrejelzéseket használ az egyes fogak számos szeletének szegmentálására, és meghatározza a jelenlévő állapotot vagy patózist. Ez a szoftver betanításához használt, korábban betáplált fényképek elemzésével érhető el