El modelo CNN ayudó al estudio del valor clínico escondido en las imágenes de los implantes

Objetivo:

Este artículo tiene como objetivo construir un nuevo método para evaluar los resultados de identificación de imágenes radiográficas basado en inteligencia artificial, que pueda complementar la visión limitada de los investigadores al estudiar el efecto de diversos factores en los resultados de la implantación clínica.

Métodos:

Construimos un modelo de red neuronal convolucional (CNN) utilizando imágenes radiográficas de implantes clínicos. Además, utilizamos el mapeo de activación de clases ponderado por gradiente (Grad-CAM) para obtener mapas térmicos para presentar diferencias de identificación antes de realizar análisis estadísticos. Posteriormente, para verificar si estas diferencias presentadas por el algoritmo Grad-CAM serían valiosas para la práctica clínica, medimos el espesor óseo alrededor de los sitios identificados. Finalmente, analizamos la influencia del tipo de implante en la implantación según los resultados de la medición.

Resultados:

Los mapas térmicos mostraron que los sitios con diferencias significativas entre los implantes Straumann BL y Bicon identificados por el modelo CNN fueron principalmente el área de la rosca y el cuello. (2) Las alturas del hueso mesial, distal, bucal y lingual del implante Bicon posoperatorio fueron mayores que las de Straumann BL (P <0,05). (3) Entre la primera y la segunda etapa de la cirugía, la cantidad de variación del espesor óseo en los lados vestibular y lingual de la plataforma del implante Bicon fue mayor que la del implante Straumann BL (P <0,05).

Conclusión:

Según los resultados de este estudio, encontramos que el área del cuello identificada del implante Bicon se colocó más profundamente que el implante Straumann BL, y hubo más resorción ósea en los lados vestibular y lingual en la plataforma del implante Bicon entre los primeros y segundas etapas de la cirugía. En resumen, este estudio demuestra que utilizar el modelo de clasificación de CNN puede identificar diferencias que complementan nuestra visión limitada.