test
InicioCiencia y clínicaInvestigaciónDetección de taurodontismo en radiografías panorámicas utilizando un algoritmo de red neuronal...

Detección de taurodontismo en radiografías panorámicas utilizando un algoritmo de red neuronal convolucional basado en aprendizaje profundo

El taurodontismo es una anomalía dental que complica los procedimientos de endodoncia, ortodoncia y prostodoncia, siendo muchas veces difícil de detectar incluso para los expertos en el campo.

Así que para abordar este desafío, los autores de un estudio publicado en Oral Radiology utilizaron una técnica de aprendizaje profundo basada en una red neuronal convolucional (CNN) con la que analizaron más de 400 imágenes de radiografías panorámicas dentales y ver si eran capaces de diagnosticar el taurodontismo.

El modelo de IA basado en CNN desarrollado por los autores produjo resultados casi idénticos a los datos de entrenamiento etiquetados, lo que sugiere que la tecnología puede ser un valioso apoyo para la toma de decisiones clínicas en el diagnóstico de anomalías dentales.

En concreto, los autores explican que los resultados muestran que la sensibilidad, precisión y puntaje F1 del modelo de segmentación del diente taurodonto fueron 0.8650, 0.7898 y 0.8257, respectivamente. Esto sugiere que la IA puede ser una herramienta útil para identificar el taurodontismo, lo que, añaden, puede mejorar la eficiencia del tiempo, la precisión del diagnóstico y la planificación del tratamiento.

La conclusión que extraen del estudio es que el uso de técnicas de IA – como la red neuronal convolucional – representa un avance prometedor en el análisis de imágenes médicas y el diagnóstico de anomalías dentales. A medida que la tecnología continúa avanzando, añaden, es probable que se desarrollen nuevas herramientas de Inteligencia Artificial para apoyar la toma de decisiones clínicas en el campo de la odontología.

Fuente: Duman, S., Yılmaz, E.F., Eşer, G. et al. Detecting the presence of taurodont teeth on panoramic radiographs using a deep learning-based convolutional neural network algorithm. Oral Radiol 39, 207–214 (2023). https://doi.org/10.1007/s11282-022-00622-1

artículos relacionados

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí
Captcha verification failed!
La puntuación de usuario de captcha falló. ¡por favor contáctenos!