ИИ-анализ дентальных рентгенограмм
На панорамном снимке (ортопантомограмме) врач оценивает состояние 32 зубов, костную ткань, пародонтальные карманы, наличие патологий. При большом потоке пациентов внимание рассеивается. ИИ-анализ не заменяет врача, но даёт второе мнение за секунды — с разметкой каждого зуба и флагами подозрительных зон.
Типы дентальных рентгенограмм и задачи
| Тип снимка | Задачи CV | Models |
|---|---|---|
| Панорамный (ОПГ) | Нумерация зубов, детекция патологий, оценка костной ткани | YOLOv8, Mask R-CNN |
| Периапикальный | Кариес, периапикальные изменения, качество пломбировки | U-Net, DenseNet |
| Битевой (Bitewing) | Интерпроксимальный кариес, состояние альвеолярного гребня | EfficientDet, YOLOv8 |
| КЛКТ (3D) | Объёмный анализ костной ткани, планирование имплантации | 3D U-Net, nnU-Net |
Нумерация зубов и детекция патологий на ОПГ
Это центральная задача для панорамных снимков. Зубы нумеруются по системе FDI (11–48) — два уровня классификации: квадрант + позиция. Модель должна детектировать каждый зуб как отдельный объект с классом = номер по FDI.
Специфика: зубы частично перекрываются (особенно нижние моляры + нижнечелюстной канал), размер объектов варьируется в 3–4 раза, рентгенографическая плотность зависит от аппарата и экспозиции — это нестандартизированный input.
Решение: Instance segmentation через Mask R-CNN или YOLOv8-seg с предобученными весами на dental датасетах (DENTEX Challenge 2023, Tufts Dental Database). Аугментация: вариация яркости/контраста ±30%, горизонтальный flip (симметрия челюстей), elastic deformation для имитации вариации анатомии.
Metrics на тестовой выборке (Tufts Dental + собственные данные): [email protected] = 0.84 для нумерации зубов, precision 0.79 для детекции кариозных полостей.
Анализ периапикальных изменений
Периапикальные изменения (PAI — Periapical Index) — это потемнение у верхушки корня, признак воспаления. Размер очага: от 1–2 мм до 10+ мм. Маленькие очаги на ОПГ легко пропустить визуально.
Задача: регрессия + классификация. Сегментационная модель выдаёт маску очага, отдельный классификатор оценивает PAI score (1–5).
Сложность: нормальная анатомия (ментальное отверстие, пазухи) визуально похожа на патологию. Ложноположительные предсказания раздражают врача и снижают доверие к системе. Решение — двухэтапная верификация: если модель флагует зону с confidence 0.4–0.7 — отмечаем как «требует внимания» (не «патология»). При confidence > 0.7 — прямой флаг.
# Пример двухэтапной классификации с confidence thresholds
def classify_periapical(prediction_logits, threshold_flag=0.7,
threshold_watch=0.4):
probs = torch.sigmoid(prediction_logits)
labels = torch.zeros_like(probs, dtype=torch.long)
labels[probs > threshold_watch] = 1 # требует внимания
labels[probs > threshold_flag] = 2 # патология
return labels # 0=норма, 1=watch, 2=flag
Integration с DICOM и dental software
Снимки хранятся в формате DICOM (.dcm). Для чтения — pydicom, нормализация пикселей — dicom2jpg утилиты или кастомный windowing. Pixel spacing из DICOM header нужен для калибровки линейных измерений (размер очага в мм, длина корня).
Integration с dental practice management системами (Romexis, CS Imaging, Planmeca) через HL7/FHIR API или экспорт аннотаций в DICOM SR (Structured Reporting).
Сроки
Базовый модуль нумерации + детекция кариеса: 8–12 недель. Полная система (ОПГ + периапикальные + битевые + отчётность): 16–24 недели. Стоимость рассчитывается с учётом требований медицинской сертификации.