Predicción basada en aprendizaje profundo de la impactación del canino maxilar en radiografías panorámicas utilizando DenSE-Net derivado de YOLO-OBB

Qué problema aborda

La impactación del canino maxilar es una condición dental en la cual el canino superior no erupciona adecuadamente, lo que puede afectar tanto la estética facial como la funcionalidad. La evaluación tradicional de esta condición requiere el uso de radiografías panorámicas o tomografías computarizadas de haz cónico (CBCT) y puede ser un proceso prolongado y laborioso, especialmente en entornos clínicos de alto volumen.

Qué hicieron los autores

Los autores desarrollaron y evaluaron un marco basado en inteligencia artificial para la detección y evaluación automatizada de caninos maxilares impactados en radiografías panorámicas. Utilizaron un conjunto de datos de segmentación dental existente y adaptaron un modelo de red neuronal conocido como Dental Squeeze-and-Excitation Network (DenSE-Net), que se basa en la arquitectura YOLO-OBB, para facilitar la detección de la orientación de los dientes y la automatización del proceso de evaluación.

Qué encontraron

El modelo DenSE-Net optimizado alcanzó un rendimiento de detección notable, con mAP@0.50 = 0.969, mAP@0.75 = 0.851 y mAP@0.50:0.95 = 0.671, lo que indica una localización precisa de los dientes orientados en las clases evaluadas. Estos resultados sugieren que el uso de esta tecnología puede reducir significativamente el tiempo necesario para evaluar la impactación del canino maxilar.

Limitaciones

El texto disponible no detalla las limitaciones específicas del estudio, como el tamaño de la muestra o la diversidad de las radiografías analizadas.

Lectura final

La investigación subraya la importancia de la evaluación temprana y precisa de la impactación del canino maxilar mediante técnicas radiográficas automatizadas, lo que podría facilitar una planificación de tratamiento más efectiva y mejorar los resultados estéticos en los pacientes. La implementación de herramientas basadas en inteligencia artificial en la práctica clínica podría transformar la manera en que se diagnostican y tratan estas condiciones dentales.