Multi-view deep learning for classification of maxillary canine impaction severity using CBCT-derived images
इस अध्ययन ने मैक्सिलरी कैनाइन इम्पैक्शन की गंभीरता को सटीक रूप से वर्गीकृत करने के लिए चार दृष्टिकोणों से CBCT-व्युत्पन्न छवियों का उपयोग करते हुए एक मल्टी-व्यू डेंसनेट-121 डीप लर्निंग मॉडल विकसित और मूल्यांकित किया, जिसने 91.2% समग्र सटीकता प्राप्त की और प्रारंभिक ऑर्थोडोंटिक हस्तक्षेप में सहायता करने की अपनी क्षमता प्रदर्शित की।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानव दंत संरचना के जटिल परिदृश्य में, ऊपरी कैनाइन (रदनक) दांत एक अद्वितीय और अक्सर समस्याग्रस्त स्थिति रखते हैं। ये दांत, जो भोजन को फाड़ने और मुस्कान को आकार देने के लिए आवश्यक हैं, अक्ल दाढ़ (wisdom teeth) के बाद फंसने की दूसरी सबसे अधिक संभावना रखते हैं। क्योंकि वे अपने अंतिम स्थान तक पहुँचने के लिए एक लंबा और घुमावदार रास्ता तय करते हैं, वे अक्सर जबड़े की हड्डी या मसूड़ों के ऊतकों के भीतर फंस जाते हैं, जिसे 'इम्पैक्शन' (impaction) कहा जाता है। जब ऐसा होता है, तो दांत अपने आप बाहर नहीं निकल पाता, और यदि इसका उपचार न किया जाए, तो यह सिस्ट (cysts) बना सकता है, पड़ोसी दांतों की जड़ों को नुकसान पहुँचा सकता है, या पूरे डेंटल आर्च (dental arch) के संरेखण को बाधित कर सकता है। इसे हल करने के लिए, ऑर्थोडोंटिस्ट यह देखने के लिए इमेजिंग पर भरोसा करते हैं कि दांत वास्तव में कहाँ है और वह कितना फंसा हुआ है। हालाँकि मानक द्वि-आयामी (two-dimensional) एक्स-रे सामान्य हैं, लेकिन 'कोन-बीम कंप्यूटेड टोमोग्राफी' (CBCT) नामक एक अधिक विस्तृत त्रि-आयामी (three-dimensional) स्कैन, दांत की स्थिति का अधिक स्पष्ट दृश्य प्रदान करता है। हालाँकि, इन विस्तृत स्कैन की व्याख्या करने के लिए महत्वपूर्ण समय और विशेषज्ञता की आवश्यकता होती है, और इसमें शामिल रेडिएशन का अर्थ है कि डॉक्टरों को उनके उपयोग के समय के प्रति सावधान रहना चाहिए।
शोधकर्ताओं की एक टीम ने यह देखने के लिए एक प्रयास किया कि क्या आर्टिफिशियल इंटेलिजेंस (AI) इस नैदानिक चुनौती से निपटने में मदद कर सकता है। उन्होंने एक कंप्यूटर सिस्टम विकसित किया जिसे CBCT स्कैन को देखने और यह स्वचालित रूप से निर्धारित करने के लिए डिज़ाइन किया गया था कि कैनाइन इम्पैक्शन कितना गंभीर है। पूरे तीन-आयामी जबड़े के आयतन (volume) को एक साथ संसाधित करने के बजाय, जो कि गणनात्मक रूप से भारी है, शोधकर्ताओं ने एक अलग दृष्टिकोण अपनाया। उन्होंने 3D स्कैन को चार परिचित द्वि-आयामी दृश्यों में विभाजित किया जिनका उपयोग डेंटिस्ट पहले से ही करते हैं: पूरे जबड़े का पैनोरमिक दृश्य, सामने से एक फ्रंटल दृश्य, एक साइड दृश्य, और दांत के माध्यम से एक क्रॉस-सेक्शनल स्लाइस। फिर उन्होंने एक 'डीप लर्निंग मॉडल' को प्रशिक्षित किया, जो मानव मस्तिष्क से प्रेरित एक प्रकार का कंप्यूटर प्रोग्राम है, ताकि वह इन चारों चित्रों को अलग-अलग देख सके और यह निर्णय ले सके कि दांत सामान्य रूप से निकल रहा है, हल्का फंसा हुआ है, या गंभीर रूप से फंसा हुआ है।
अध्ययन में 74 रोगियों पर ध्यान केंद्रित किया गया, जिसमें कुल 148 ऊपरी कैनाइन दांतों की जांच की गई। प्रत्येक दांत के लिए, शोधकर्ताओं ने चार अलग-अलग दृश्यों में 592 विशिष्ट चित्र बनाए। मानव विशेषज्ञों ने पहले इन चित्रों को लेबल किया, प्रत्येक दांत को विशिष्ट कोणों और ओवरलैप के आधार पर सामान्य उद्भव (eruption), हल्के इम्पैक्शन, या गंभीर इम्पैक्शन के रूप में वर्गीकृत किया। कंप्यूटर मॉडल को फिर इन पैटर्न को पहचानने के लिए सिखाया गया। जब शोधकर्ताओं ने मॉडल का परीक्षण किया, तो उन्होंने पाया कि चारों दृश्यों को एक साथ देखना केवल एक दृश्य को देखने की तुलना में कहीं अधिक प्रभावी था। पैनोरमिक, फ्रंटल, साइड और क्रॉस-सेक्शनल छवियों से जानकारी को संयोजित करके, सिस्टम ने 91.2% बार इम्पैक्शन की गंभीरता को सही ढंग से वर्गीकृत किया। यह मल्टी-व्यू दृष्टिकोण किसी भी एकल छवि प्रकार की तुलना में श्रेष्ठ सिद्ध हुआ; उदाहरण के लिए, जबकि अकेले पैनोरमिक दृश्य 88.5% सटीकता के साथ काफी अच्छा था, अकेले फ्रंटल दृश्य संघर्ष कर रहा था, जिसने केवल 74.3% सटीकता प्राप्त की।
परिणामों ने दिखाया कि सिस्टम दोनों चरम स्थितियों की पहचान करने में विशेष रूप से विश्वसनीय था: वे दांत जो सामान्य रूप से आ रहे थे और वे जो गंभीर रूप से फंसे हुए थे। इसने 93.4% बार सामान्य मामलों की और 91.5% बार गंभीर मामलों की सही पहचान की। महत्वपूर्ण रूप से, मॉडल ने एक गंभीर रूप से फंसे हुए दांत को "सामान्य" या एक सामान्य दांत को "गंभीर" कहने की खतरनाक गलती कभी नहीं की। कंप्यूटर के लिए सबसे कठिन श्रेणी मध्यम स्तर का 'हल्का इम्पैक्शन' थी, जहाँ यह लगभग 77% बार सही था। ऐसा संभवतः इसलिए है क्योंकि हल्के मामले एक्स-रे पर सामान्य दांतों के बहुत समान दिखते हैं, जिससे उन्हें अलग करना कठिन हो जाता है, यहाँ तक कि मनुष्यों के लिए भी। शोधकर्ताओं ने नोट किया कि सिस्टम ने दांत के उन्हीं हिस्सों पर ध्यान दिया जिस पर एक मानव विशेषज्ञ देता है, जैसे कि कैनाइन का सिरा और पड़ोसी दांतों की जड़ें, जो यह दर्शाता है कि कंप्यूटर सही विशेषताओं को सीख रहा था न कि केवल अनुमान लगा रहा था।
यह कार्य प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस ऑर्थोडोंटिक्स में एक शक्तिशाली सहायक के रूप में कार्य कर सकता है, जो इम्पैक्शन के आकलन के लिए एक सुसंगत और तीव्र मूल्यांकन प्रदान करने के लिए कई कोणों के स्कैन को संश्लेषित करने में सक्षम है। हालाँकि यह मॉडल डेंटिस्ट का विकल्प नहीं है, लेकिन यह रोगियों की स्क्रीनिंग अधिक कुशलता से करने और तत्काल ध्यान देने वाले मामलों को चिह्नित करने का एक तरीका प्रदान करता है। शोधकर्ताओं ने जोर दिया कि इस उपकरण को वास्तविक दुनिया के क्लीनिकों में उपयोग करने के लिए, इसे विभिन्न स्थानों के लोगों के बड़े समूहों और विभिन्न प्रकार के स्कैनर्स पर परीक्षण करने की आवश्यकता होगी। तब तक, यह प्रणाली एक आशाजनक 'प्रूफ ऑफ कॉन्सेप्ट' बनी हुई है, जो यह दिखाती है कि एक जटिल त्रि-आयामी समस्या को परिचित द्वि-आयामी टुकड़ों में तोड़कर, कंप्यूटर उच्च स्तर की सटीकता के साथ दंत समस्याओं को देख सकते हैं, जिससे संभावित रूप से समस्याओं को जल्दी पकड़ने और बेहतर उपचार योजनाओं के मार्गदर्शन में मदद मिल सकती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।