Arquivamento automático de laudos em radiografias panorâmicas usando aprendizado profundo

OBJETIVO: O objetivo deste estudo é detectar, segmentar e rotular automaticamente dentes, coroas, restaurações, preenchimentos de canal radicular, implantes e restos radiculares em radiografias panorâmicas (PR(s)). MATERIAL E MÉTODOS: Como referência, 2000 PR(s) foram anotadas e rotuladas manualmente. Uma abordagem de aprendizado profundo baseada em mask R-CNN com Resnet-50 em combinação com um algoritmo heurístico baseado em regras e um algoritmo de busca combinatória foi treinada e validada em 1800 PR(s). Subsequentemente, o algoritmo treinado foi aplicado a um conjunto de teste composto por 200 PR(s). As pontuações F1, como medida de precisão, foram calculadas para quantificar o grau de semelhança entre a verdade do solo anotada e as previsões do modelo. A pontuação F1 considera a média harmônica da precisão (valor preditivo positivo) e da sensibilidade (especificidade). RESULTADOS: O método proposto alcançou pontuações F1 de até 0,993, 0,952 e 0,97 para detecção, segmentação e rotulagem, respectivamente. CONCLUSÃO: O método proposto forma uma base promissora para o desenvolvimento futuro de arquivamento automático de laudos em PR(s). SIGNIFICADO CLÍNICO: O aprendizado profundo pode auxiliar os clínicos a resumir os achados radiológicos em radiografias panorâmicas. O impacto do uso de tais modelos na prática clínica deve ser explorado.