Un enfoque de aprendizaje profundo para la segmentación y orientación de dientes a partir de radiografías panorámicas

La segmentación y orientación precisa de los dientes son fundamentales en la atención odontológica moderna, permitiendo diagnósticos precisos, planificación de tratamientos y diseño de implantes dentales. En este estudio, presentamos un enfoque integral para la segmentación y orientación de dientes a partir de imágenes de radiografías panorámicas, aprovechando técnicas de aprendizaje profundo. Construimos una red de segmentación de instancias de extremo a extremo que utiliza una arquitectura de codificador-decodificador reforzada con puertas de atención conscientes de la cuadrícula a lo largo de las conexiones de salto. Introducimos la generación de cajas delimitadoras orientadas (OBB) a través del análisis de componentes principales (PCA) para una estimación precisa de la orientación dental. Evaluando nuestro enfoque en el conjunto de datos DNS disponible públicamente, que comprende 543 imágenes de radiografías panorámicas, logramos la puntuación más alta de Intersección sobre Unión (IoU) de 82.43% y una puntuación de Coeficiente de Similitud de Dice (DSC) de 90.37% entre los modelos comparados en la segmentación de instancias de dientes. En el análisis de OBB, obtenemos la puntuación de IoU Rotado (RIoU) de 82.82%. También realizamos análisis detallados de etiquetas de dientes individuales y rendimiento categórico, arrojando luz sobre fortalezas y debilidades. La precisión y versatilidad del modelo propuesto ofrecen perspectivas prometedoras para mejorar los diagnósticos dentales, la planificación de tratamientos y la atención médica personalizada en el dominio oral.