Mikrobiell tannplakkanalyse i unge permanente tenner ved bruk av dyp læring

Tannplakk er definert som et mikrobielt samfunn innebygd i en matrise som består av polymerer avledet fra bakterier og innholdet av spytt som utvikler seg på overflaten av tennene. Mikrobiell tannplakk adsorberes på tannoverflaten i løpet av sekunder etter tannrengjøring og vedvarer funksjonelt. Disse molekylene eksisterer primært i væsken i den subgingivale sulcus, sammen med spytt, og demonstrerer bosetting i dette området. Den primære etiologiske faktoren for gingivitt og periodontitt er bakteriell plakk, som kan føre til ødeleggelse av gingivalvev og periodontal feste. Hos barn, hvis munnhygiene ikke er etablert umiddelbart etter tannutbrudd, og vanlige pussevaner ikke er innpodet, kan det bakterielle biofilmlaget sette seg på tannoverflatene og tannkjøttkantene knyttet til munnmiljøet, og initiere gingival betennelse.

Tidlig oppdagelse og behandling av periodontale sykdommer i de innledende stadiene hos barn er klinisk viktig, da disse tilstandene kan forsterkes og føre til uønskede utfall i senere perioder. Bakteriell plakk er den primære etiologiske faktoren for tannkjøttsykdommer hos barn. Å identifisere og skille ut mikrobiell tannplakk av pasienter kan være utfordrende. Plakk kan påvises gjennom rutinemessig klinisk praksis ved bruk av periodontale prober og/eller plakkavslørende løsninger. Selv om disse metodene er mye brukt, kan de gi subjektive resultater. Imidlertid kan disse vurderingsmetodene være tungvinte, tidkrevende og mislykkede hos ikke-samarbeidende barn. I tillegg kan plakkavslørende løsninger brukt for mikrobiell tannplakkdeteksjon midlertidig farge munnslimhinnen og leppene. Litteraturen inkluderer også digitale bildeanalyser som laserindusert autofluorescensspektroskopi og HIS fargerom for påvisning av mikrobiell tannplakk. Imidlertid begrenser ulempene, som de høye kostnadene for utstyr og teknisk standardisering, bruken av dem.

Av disse grunner har denne studien som mål å utvikle en rimelig og lett tilgjengelig kunstig intelligens (AI) modell for tidlig og nøyaktig diagnose av mikrobiell tannplakk hos barn. Målet er å forebygge ulike periodontale problemer og gi motivasjon for munnhygiene ved å evaluere diagnose- og deteksjonsytelsen til denne AI-modellen.

Med fremskritt innen kunstig intelligens for bildebehandling, har forskning på oppdagelse, segmentering og kvantifisering av tannplakk i bilder tatt av tannkameraer økt betydelig. En studie forsøkte å oppdage tannplakk ved hjelp av en Enhanced K-Means maskinlæringsalgoritme. I tillegg ble en Mask R-CNN-basert tannhelse Internet of Things (IoT)-plattform utviklet for å klassifisere syv forskjellige orale sykdommer, inkludert tannplakk, med en perfekt nøyaktighetsrate for plakkgjenkjenning, men ikke for segmentering.

Mens U-Net-modellen er allment ansett som vellykket og mainstream innen biomedisinsk bildebehandling, er det ingen studier i litteraturen om analyse av tannplakk med U-Net og dets varianter. I tillegg er det ikke funnet studier angående analyse av tannplakk i unge permanente tenner hos barn. Derfor forsøker denne studien å trene seks toppmoderne kunstig intelligens-modeller, som inkluderer variasjoner av U-Net-modellen, med det formål å forutsi tannplakk i unge permanente tenner hos barn. Deretter blir ytelsene deres omhyggelig oppsummert og presentert for omfattende analyse. Til slutt, for å validere den kliniske gjennomførbarheten til modellen med best ytelse, utføres statistiske hypotesetester som sammenligner spådommene til AI-modellen med vurderingene fra tre tannleger.