Afin de planifier une opération d'implant dentaire et la taille et la position de l'implant, les dentistes doivent connaître l'emplacement exact du canal mandibulaire, un canal situé des deux côtés de la mâchoire inférieure qui contient le nerf alvéolaire.
La mâchoire inférieure est une structure anatomiquement complexe et les experts médicaux utilisent des modèles de radiographie et de tomographie par ordinateur (CT) pour détecter et diagnostiquer de telles structures. En règle générale, les dentistes et les radiologistes définissent l'emplacement des canaux mandibulaires manuellement à partir des radiographies ou des tomodensitogrammes, ce qui rend la tâche laborieuse et longue. C'est pourquoi une manière automatisée de le faire pourrait faciliter leur travail et la pose d'implants dentaires.
Pour apporter une solution à ce problème, des chercheurs du Centre finlandais pour l'intelligence artificielle FCAI, du Tampere University Hospital, de Planmeca et de l'Institut Alan Turing ont développé un nouveau modèle qui montre avec précision et automatiquement l'emplacement exact des canaux mandibulaires. Le modèle est basé sur la formation et l'utilisation de réseaux de neurones profonds. Les chercheurs ont formé le modèle en utilisant un ensemble de données composé de scans 3D à faisceau conique (CBCT).
Le modèle est basé sur une architecture entièrement convolutionnelle, ce qui le rend aussi rapide et efficace que possible pour les données. Sur la base des résultats de la recherche, ce type de modèle d'apprentissage profond peut localiser les canaux mandibulaires de manière très précise. Elle surpasse les modèles statistiques de forme, qui ont jusqu'à présent été la meilleure méthode automatisée pour localiser les canaux mandibulaires.
Dans les cas simples – lorsque le patient n'a pas de conditions particulières, telles que l'ostéoporose – le modèle est aussi précis qu'un spécialiste humain. La plupart des patients qui consultent un dentiste entrent dans cette catégorie. «Dans des cas plus complexes, il peut être nécessaire d'ajuster l'estimation, nous ne parlons donc pas encore d'un système entièrement autonome», explique Joel Jaskari, doctorant et premier auteur du document de recherche.
L'utilisation de l'intelligence artificielle présente un autre avantage évident, à savoir le fait que la machine exécute le travail de manière tout aussi rapide et précise à chaque fois.
Le but de ce travail de recherche n'est cependant pas de remplacer les radiologues mais de rendre leur travail plus rapide et plus efficace afin qu'ils aient le temps de se concentrer sur les cas les plus complexes. «
Professeur Kimmo Kaski
Planmeca, une entreprise finlandaise qui développe, fabrique et commercialise des équipements dentaires, des équipements et des logiciels d'imagerie 2D et 3D, collabore avec FCAI. La société intègre actuellement le modèle présenté dans son logiciel dédié, à utiliser avec les équipements de tomographie Planmeca 3D.
La source:
Référence de la revue:
Jaskari, J., et al. (2020) Deep Learning Method for Mandibular Canal Segmentation in Dental Cone Beam Computed Tomography Volumes. Rapports scientifiques. doi.org/10.1038/s41598-020-62321-3.
