Нейросеть справилась с сегментированием снимков КТ в 720 раз быстрее человека
Исследователи разработали алгоритм, демонстрирующий потенциал использования алгоритмов распознавания изображений в стоматологии. В то время как специалистам потребовалось почти пять часов, чтобы сегментировать зубы и челюсть на снимке, сделанном с помощью конусно-лучевой компьютерной томографии (КЛКТ), алгоритм выполнил задачу всего за 25 секунд, следует из исследования, опубликованного в Journal of Dental Research.
Несмотря на поразительную разницу во времени, сегментация алгоритма показала схожее качество с сегментацией, выполненной четырьмя практикующими стоматологами. Полученные данные демонстрируют, что использование алгоритма смешанной плотности (mixed-scale dense — MS-D) может сделать цифровую стоматологию доступной почти для каждого пациента.
«Нейросеть MS-D сделает ортодонтическое лечение для конкретного пациента более доступным благодаря значительному сокращению времени, необходимому для сегментации нескольких анатомических структур при КЛКТ-сканировании» — пишут авторы под руководством Х. Ванга из отделения челюстно-лицевой хирургии Амстердамского университета.
Ортодонты используют КЛКТ для точной оценки сложных аномалий прикуса. Эти же сканы можно использовать для создания 3D-моделей для диагностики и планирования лечения. Авторы отметили, что в настоящее время сегментация изображения является наиболее сложной частью преобразования КЛКТ-сканирования в 3D-модель. Исследование было сосредоточено на обучении нейронной сети MS-D для одновременного сегментирования челюсти и зубов на снимках КЛКТ.
Команда использовала 28 снимков КЛКТ, полученных от пациентов в возрасте от 11 до 24 лет, которым было назначено ортодонтическое лечение. Четыре стоматолога с опытом работы не менее двух лет разделили снимки на три класса: зубы, челюсть и фон.
Алгоритм дал результаты, аналогичные сегментации, выполненной стоматологами. Результаты алгоритма отличались от результатов стоматологов всего на 0,204 миллиметра для зубов и 0,390 миллиметра для челюсти. Кроме того, для сегментации челюсти и зубов для одного сканирования КЛКТ потребовалось 25 секунд, что «заметно сократило время, необходимое для сегментации», — пишут авторы.
В одном примере карта различий показала, что алгоритм ошибался в основном на краях сегментации с разницей примерно в 1 пиксель. Авторы отметили, что алгоритм также пропустил некоторые тонкие костные структуры вокруг верхнечелюстной пазухи.
Важно отметить, что ни у одного из пациентов не было пломб, имплантатов или коронок, поэтому на сканировании не было металлических артефактов. Авторы посоветовали включить в будущие исследования пациентов с более сложным стоматологическим статусом.
«Эти результаты демонстрируют, что алгоритм может точно сегментировать челюсти и зубы на снимках КЛКТ», — заключили авторы. «Это существенно сократит время и усилия, затрачиваемые в клинических условиях, и тем самым упростит ортодонтическое лечение, ориентированное на конкретного пациента».
