Mikrobiell tandplackanalys i unga permanenta tänder med hjälp av djupinlärning

Tandplack definieras som en mikrobiell gemenskap inbäddad i en matris som består av polymerer som härrör från bakterier och innehållet av saliv som utvecklas på ytan av tänderna. Mikrobiell tandplack adsorberas på tandytan inom några sekunder efter tandrengöring och kvarstår funktionellt. Dessa molekyler existerar främst i vätskan i den subgingivala sulcus, tillsammans med saliv, och visar bosättning i detta område. Den primära etiologiska faktorn för tandköttsinflammation och parodontit är bakteriell plack, vilket kan leda till förstörelse av gingivalvävnader och parodontit fäste. Hos barn, om munhygien inte etableras omedelbart efter tandutbrott, och regelbundna borstvanor inte instilleras, kan det bakteriella biofilmskiktet sätta sig på tandytorna och tandköttskanterna i samband med munmiljön, vilket initierar gingivalinflammation.

Tidig upptäckt och behandling av parodontala sjukdomar i de inledande stadierna hos barn är kliniskt viktiga, eftersom dessa tillstånd kan intensifieras och leda till ogynnsamma resultat i senare perioder. Bakterieplack är den primära etiologiska faktorn för tandköttssjukdomar hos barn. Att identifiera och särskilja mikrobiell tandplack av patienter kan vara utmanande. Plack kan detekteras genom rutinmässig klinisk praxis med användning av parodontala sonder och/eller plackavslöjande lösningar. Även om dessa metoder används i stor utsträckning, kan de ge subjektiva resultat. Dessa bedömningsmetoder kan dock vara besvärliga, tidskrävande och misslyckade hos icke-samarbetsvilliga barn. Dessutom kan plackavslöjande lösningar som används för mikrobiell tandplackdetektion tillfälligt färga munslemhinnan och läpparna. Litteraturen inkluderar även digitala bildanalyser såsom laserinducerad autofluorescensspektroskopi och HIS färgrymd för detektering av mikrobiell tandplack. Men nackdelarna, såsom de höga kostnaderna för utrustning och teknisk standardisering, begränsar deras användning.

Av dessa skäl syftar denna studie till att utveckla en prisvärd och lättillgänglig modell för artificiell intelligens (AI) för tidig och korrekt diagnos av mikrobiell tandplack hos barn. Syftet är att förebygga olika parodontala problem och ge motivation för munhygien genom att utvärdera diagnos- och detektionsprestandan hos denna AI-modell.

Med framsteg inom artificiell intelligens för bildbehandling har forskningen om att upptäcka, segmentera och kvantifiera tandplack i bilder som tagits med tandkameror ökat avsevärt. En studie försökte upptäcka tandplack med hjälp av en Enhanced K-Means maskininlärningsalgoritm. Dessutom utvecklades en Mask R-CNN-baserad tandhälsa Internet of Things (IoT)-plattform för att klassificera sju olika orala sjukdomar, inklusive tandplack, med en perfekt noggrannhetsgrad för plackigenkänning, men inte för segmentering.

Medan U-Net-modellen allmänt anses vara framgångsrik och mainstream inom området för biomedicinsk bildbehandling, finns det inga studier i litteraturen om analys av tandplack med U-Net och dess varianter. Dessutom har inga studier påträffats angående analys av tandplack i unga permanenta tänder hos barn. Därför strävar denna studie efter att träna sex toppmoderna artificiell intelligensmodeller, som innehåller variationer av U-Net-modellen, i syfte att förutsäga tandplack i unga permanenta tänder hos barn. Därefter sammanfattas deras prestationer noggrant och presenteras för omfattande analys. Slutligen, för att validera den kliniska genomförbarheten av den bäst presterande modellen, utförs statistiska hypoteser som jämför AI-modellens förutsägelser med bedömningarna från tre tandläkare.