Dyp læring for gummy smilesegmentering

Et gummy smil (overdreven synlighet av tannkjøttet når du smiler) er ikke bare et estetisk problem, men også en viktig parameter når det gjelder periodontal helse. Gjeldende evalueringsmetoder er subjektive og ikke-standardiserte, noe som fører til begrensninger i både klinisk nøyaktighet og pasientkommunikasjon. De siste årene har AI-baserte modeller begynt å bli brukt effektivt i tannbildeanalyse og diagnostiske prosesser. Denne studien tar sikte på å utvikle et AI-støttet objektiv og reproduserbar analysemodell som er i stand til å evaluere gummy smil fra både estetiske og periodontale perspektiver ved bruk av et unikt datasett sammensatt av bilder oppnådd gjennom standard kliniske protokoller og merket av samme ekspert.

Personer i alderen 12 år eller eldre uten maxillary anterior (tenner #13-23) tanntap vil bli inkludert i studien. Pasienter med manglende fremre maxillære tenner (tenner #13-23), signifikante anatomiske patologier, eller smile-interfererende faktorer (f.eks. Ansikts piercinger, kjeveortopediske apparater, ansiktshår) vil bli ekskludert.

Standardiserte frontale fotografier vil bli tatt med en enkelt enhet (iPhone 15) for å sikre konsistens i oppløsning, belysning og fargebalanse. Bilder blir tatt fra en fast avstand på 15 cm med deltakere i en oppreist stilling, øyne vendt fremover og hoder på linje med Frankfurt horisontale plan. For å opprettholde standardisering vil smarttelefonens rutenett bli brukt til å justere den horisontale linjen med elevene og vertikale linjer med nasal alae.

Bilder av høye, gjennomsnittlige og lave smilelinjer vil bli merket av en periodontist ved bruk av det nettbaserte merknadsverktøyet makeSense. Synlige gingivalområder vil bli merket som polygoner avgrenset overlegen av den nedre grensen til overleppen og underordnet av gingivalmarginen. For deltakere med høye smilelinjer vil Gingival Display bli målt ved bruk av ImageJ (National Institutes of Health, Bethesda, MD, USA), med kalibrering utført via en periodontal sonde innebygd i hvert bilde. En konverteringsfaktor for piksel-til-millimeter vil bli avledet og påført målinger mellom overleppen og gingivalmargin i den fremre maxillary Sextant (tenner #13-23). Avstander mellom sammenkoblede landemerker (poeng 7-13, 8-14, 9-15, 10-16, 11-17, 12-18) vil bli målt i millimeter. AI-baserte segmenteringsutganger (via makeSense) vil være statistisk sammenlignet med ImageJ-målinger for å vurdere korrelasjon.