Adnotacja obrazów stomatologicznych do automatycznej diagnostyki i sztucznej inteligencji w telestomatologii — studium przypadku
W jaki sposób Shaip zapewnił precyzyjną segmentację wielokątną poszczególnych zębów na podstawie zdjęć rentgenowskich, obrazów z kamery wewnątrzustnej i fotografii klinicznych — utworzonych jako zbiór danych klasy produkcyjnej na potrzeby zautomatyzowanej diagnostyki stomatologicznej, planowania leczenia i sztucznej inteligencji w telemedycynie.
Przegląd projektu
W miarę jak sztuczna inteligencja w stomatologii ewoluuje w kierunku automatycznej diagnostyki i wdrażania tele-stomatologii, klientowi potrzebny jest klinicznie uzasadniony system adnotacji, który umożliwia segmentację poszczególnych zębów — korony, korzenia i otaczającej tkanki — w różnych trybach obrazowania z zachowaniem spójnej notacji stomatologicznej.
Shaip zbudował kompleksowy system adnotacji obejmujący segmentację zębów z dokładnością do wielokątów, numerację zębów za pomocą standardowej notacji stomatologicznej, tagowanie stanu o wielu atrybutach i flagowanie widoczności — tworząc gotowe do modelowania zestawy danych na potrzeby sztucznej inteligencji w diagnostyce stomatologicznej.
Kluczowe statystyki
Typ adnotacji
Segment wielokąta
Pokrycie zębów
Pełny łuk
Tagi stanu
5
Źródła obrazowania
3
Wyzwania
- Rysunek kalkowy precyzyjne brzegi korony, korzenia i tkanek z segmentacją wielokątną
- Pokrycie siekacze, kły, przedtrzonowce i trzonowce przez łuki górne i dolne
- Praca w poprzek trzy źródła obrazowania — Zdjęcia rentgenowskie, kamery wewnątrzustne i zdjęcia kliniczne
- Stosowanie standardowa notacja stomatologiczna dla spójnej numeracji zębów
- Tagging stan stanu na zdrowych, zniszczonych, odpryskanych, brakujących i wypełnionych
Rozwiązanie
Segmentacja zębów wielokątnych
Każdy ząb na każdym zdjęciu został indywidualnie opisany za pomocą precyzyjnej segmentacji wielokątów, śledzącej dokładne granice każdej struktury zęba, w tym korony, korzenia i brzegów otaczających tkanek. Gęstość wielokątów została skalibrowana w celu uchwycenia organicznych konturów zęba bez zbędnego narzutu wierzchołków.
Pełne pokrycie łuku stopy
Adnotacje obejmowały wszystkie rodzaje zębów – siekacze, kły, przedtrzonowce i trzonowce – zarówno w łukach szczęki górnej, jak i żuchwy. Każdy widoczny ząb otrzymał własny wielokąt i zestaw atrybutów, co zapewniło, że późniejsze modele diagnostyczne miały pełny kontekst jamy ustnej, ułatwiający planowanie leczenia.
Obsługa źródeł obrazowania wielomodalnego
Zbiór danych obejmował zdjęcia rentgenowskie zębów, obrazy z kamery wewnątrzustnej oraz fotografie kliniczne – każde o odmiennych cechach obrazowania. Adnotatorzy postępowali zgodnie z wytycznymi specyficznymi dla danego źródła, aby zachować spójność etykietowania we wszystkich modalnościach, zapewniając tym samym możliwość generalizacji wytrenowanego modelu w różnych typach obrazowania klinicznego.
Standardowa notacja stomatologiczna
Każdy ząb z adnotacją został oznaczony numerem za pomocą standardowej notacji stomatologicznej, co umożliwiło zautomatyzowane generowanie wyników diagnostycznych, które integrują się bezpośrednio z istniejącymi systemami dokumentacji stomatologicznej. Ta spójność notacji sprawia, że zbiór danych można natychmiast wdrożyć w celu integracji z klinicznym przepływem pracy.
Oznaczanie stanu i widoczności
Poza umieszczeniem na wielokącie, każdy ząb otrzymał oznaczenie stanu – zdrowy, z próchnicą, ukruszony, brakujący lub wypełniony – oraz status widoczności – w pełni widoczny, częściowo zasłonięty lub zasłonięty. To wielowarstwowe oznaczenie obsługuje zarówno aplikacje AI do detekcji, jak i diagnostyki.
Zakres projektu
| Typ zbioru danych | Metoda adnotacji | Źródła obrazowania | Pokrycie zębów | Tagi stanu | Notacja |
|---|---|---|---|---|---|
| Segmentacja wielokątów stomatologicznych | Segmentacja wielokątów | RTG + wewnątrzustne + kliniczne | Pełny łuk górny + dolny | 5 (zdrowe, zepsute, uszczerbione, brakujące, wypełnione) | Standardowa notacja stomatologiczna |
Wyniki
- Założona klinicznie uzasadniony proces segmentacji stomatologicznej w trzech trybach obrazowania
- znormalizowane standardowa notacja stomatologiczna numeracja zębów do integracji systemów klinicznych
- Dostarczany Oznaczanie stanu 5-klasowego od zdrowych do wypełnionych zębów
- Utrzymany precyzja na poziomie wielokąta uchwycenie brzegów korony, korzenia i tkanek
- Włączono klienta zautomatyzowana diagnostyka stomatologiczna, planowanie leczenia i telestomatologia Mapa drogowa sztucznej inteligencji
Ogólnie rzecz biorąc, Shaip pomógł przekształcić wymóg multimodalnej adnotacji stomatologicznej w klinicznie ustrukturyzowany, gotowy do produkcji proces segmentacji — taki, który obsługuje automatyczną diagnostykę stomatologiczną, planowanie leczenia wspomagane sztuczną inteligencją, monitorowanie zdrowia jamy ustnej i aplikacje telestomatologiczne z precyzją klasy klinicznej.
Segmentacja wielokątna Shaipa uchwyciła dokładnie to, czego potrzebował nasz model diagnostyczny — koronę, korzenie i brzegi tkanek, z odpowiednią notacją stomatologiczną. Wielomodalny zasięg sprawił, że nasz model był odporny na zdjęcia rentgenowskie i obrazowanie wewnątrzustne.
