Une étude diagnostique sur la détection des caries occlusales à partir d’une photographie clinique à l’aide d’un algorithme d’apprentissage en profondeur sera présentée au 101St Session générale de l’IADR, qui se tiendra conjointement avec le 9e Rencontre de la Région Amérique Latine et de la 12e Congrès mondial sur la dentisterie préventive du 21 au 24 juin 2023 à Bogotá, Colombie.
La présentation Interactive Talk, « Détection automatisée des caries occlusales à l’aide d’un algorithme d’apprentissage en profondeur », aura lieu le samedi 24 juin à 16h25, heure de Colombie (UTC-05:00) pendant la « Prévalence des conditions de santé et des facteurs de risque » session.
L’étude de Chukwuebuka Elozona Ogwo de l’Université Temple, Philadelphie, PA, États-Unis, visait à déterminer l’exactitude, la précision et la sensibilité de l’algorithme de détection d’objets YOLOv7 dans la détection des caries occlusales à partir de photographies cliniques et (2) à développer un logiciel pour la détection des caries occlusales.
Seuls les adultes consentants (> = 18 ans) ayant une dentition permanente recevant des soins à la Temple University Kornberg School of Dentistry ont été inclus dans l’étude. 300 photos intrabuccales des surfaces occlusales des arcades mandibulaire et maxillaire ont été prises par des étudiants en médecine dentaire de 4e année à l’aide des caméras Coolpix L840. Les images ont été annotées à l’aide de Roboflow V4. Après le prétraitement et l’augmentation des données, 845 images ont été générées et divisées au hasard en trois ensembles : formation, validation et test – 70:20:10, respectivement.
Les données ont ensuite été analysées à l’aide du YOLO v7 à 100 époques, avec une taille de lot de 1 et une taille d’image de 1280×640. Les mesures de performance de l’algorithme étaient la précision moyenne moyenne (mAP), le rappel (sensibilité) et la précision (valeur prédictive positive). L’algorithme final a été utilisé pour créer un logiciel sur Flask et l’a déployé sur Heroku.
L’algorithme a donné 79,5 % de précision, 83 % de rappel, un score F1 de 81,2 % et 80 % [email protected] score dans la détection des caries occlusales sur une photographie clinique des arcades mandibulaire et maxillaire. L’étude a donné un résultat prometteur de l’IA dans l’automatisation de la détection de la lésion carieuse à partir d’une photographie clinique. Lorsqu’il est déployé en tant qu’application téléphonique, il peut servir d’outil important pour la télédentisterie et améliorer l’accès aux soins.
