Djup inlärning för gummy leende segmentering

Ett gummy leende (överdriven synlighet för tandköttet vid leende) är inte bara en estetisk fråga utan också en viktig parameter när det gäller periodontal hälsa. Aktuella utvärderingsmetoder är subjektiva och icke-standardiserade, vilket leder till begränsningar inom både klinisk noggrannhet och patientkommunikation. Under de senaste åren har AI-baserade modeller börjat användas effektivt i tandbildningsanalys och diagnostiska processer. Denna studie syftar till att utveckla en AI-stödd mål och reproducerbar analysmodell som kan utvärdera gummy leende ur både estetiska och periodontalperspektiv med hjälp av ett unikt datasätt som består av bilder som erhållits genom standardkliniska protokoll och märkt av samma expert.

Individer i åldern 12 år eller äldre utan maxillär anterior (tänder #13-23) Tandförlust kommer att inkluderas i studien. Patienter med saknade anterior maxillär tänder (tänder #13-23), betydande anatomiska patologier eller smile-störande faktorer (t.ex. ansiktspiercingar, ortodontiska apparater, ansiktshår) kommer att uteslutas.

Standardiserade frontala fotografier kommer att tas med en enda enhet (iPhone 15) för att säkerställa konsistens i upplösning, belysning och färgbalans. Bilder kommer att fångas från ett fast avstånd på 15 cm med deltagare i upprätt läge, ögon som vänder framåt, och huvuden i linje till det horisontella planet Frankfurt. För att upprätthålla standardisering kommer smarttelefonens rutnätlinjer att användas för att anpassa den horisontella linjen med eleverna och vertikala linjer med nasal alae.

Bilder av höga, genomsnittliga och låga smile-linjer kommer att märkas av en periodontist med det webbaserade annotationsverktyget Makeense. Synliga tandköttsområden kommer att kommenteras när polygoner avgränsas överlägset av den nedre gränsen till överläppen och underlägsen med tandköttsmarginalen. För deltagare med höga smile -linjer kommer gingival -skärmen att mätas med ImageJ (National Institutes of Health, Bethesda, MD, USA), med kalibrering utförd via en periodontal sond inbäddad i varje foto. En pixel-till-millimeteromvandlingsfaktor kommer att härledas och appliceras på mätningar mellan överläppen och tandköttsmarginalen i den främre maxillära sextanten (tänder #13-23). Avstånd mellan parade landmärken (punkter 7-13, 8-14, 9-15, 10-16, 11-17, 12-18) kommer att mätas i millimeter. AI-baserade segmenteringsutgångar (via Makeense) kommer att jämföras statistiskt med ImageJ-mätningar för att bedöma korrelation.