Dalla ortopantomografia si traggono molte informazioni cliniche sul paziente. Un gruppo di ricercatori afferenti alla Prince Sattam Bin AbdulAziz University di Al-Kharj, Arabia Saudita, ha studiato un modello per renderla ancora più accurata. Si tratta di una struttura basata su "U-Net con codificatore denoised" per la segmentazione precisa delle immagini dentali e la diagnosi di anomalie dentarie. Gli autori dello studio, che ha dimostrato l'efficacia dell'intelligenza artificiale (IA) nell'ambito dell'imaging, ne hanno poi pubblicato i risultati su Journal of Dentistry.
Come s'è svolta la ricerca in sintesi
I ricercatori hanno innanzitutto ottimizzato il dataset Tufts, ridimensionando le immagini per semplificare i calcoli. Successivamente, hanno sfruttato il sistema denoised presente nel modello U-Net per individuare meglio i difetti dentali. Questo algoritmo è stato appositamente progettato per ottenere una segmentazione più dettagliata in specifiche aree delle immagini, garantendone un'identificazione ottimale delle caratteristiche. Questo è particolarmente utile nel trattamento di immagini di "ground truth" affette da "rumore", cioè da disturbi che rendono l'immagine poco chiara e dunque meno utile ai fini diagnostici.
Con l'IA la panoramica è più affidabile
Il modello innovativo adottato in questa ricerca si basa su un codificatore denoised, che rimuove efficacemente il "rumore" e migliora la qualità delle immagini. I ricercatori hanno testato il modello con varie metriche di performance, dimostrando la sua eccellenza nella segmentazione dei denti. Confrontando l'algoritmo con i migliori metodi disponibili, hanno altresì evidenziato la sua superiorità nella segmentazione dentale. La sua precisione ed efficienza lo rendono ideale per l'utilizzo pratico in ambito odontoiatrico.
Cosa c'è dietro l'angolo
Nel prossimo futuro i ricercatori prevedono l'espansione del dataset e la valutazione del modello su dataset diversi, oltre che un'analisi delle sue capacità di generalizzazione. Secondo gli autori dello studio, ulteriori miglioramenti potranno essere ottenuti ottimizzando gli iperparametri e aumentando la complessità del modello. Nel complesso, però, l'algoritmo offre un approccio promettente nella diagnostica dentale avanzata, consentendo un'identificazione precisa delle anomalie dentali nelle radiografie panoramiche. Questo potrebbe rivoluzionare gli ambienti clinici odontoiatrici, migliorando la precisione dei trattamenti e la sicurezza delle procedure diagnostiche.