Sistema de apoyo diagnóstico periodontal con deep learning para las clínicas odontológicas de la Universidad Santo Tomás, 2020: Fase I - Insumos y criterios radiográficos

El diagnóstico de la periodontitis genera diversidad de criterios que puede llevar a que la decisión del clínico sea subjetiva. El Deep learning como aprendizaje automático es una herramienta computarizada que permiten el manejo de la información en forma veraz rápida y oportuna, además de contar con un alto grado de confiabilidad y precisión, aportando nuevas perspectivas para el diagnóstico, pronostico y la planificación del tratamiento. Desarrollar un sistema para la interpretación radiográfica periapical digitalizada como apoyo al diagnóstico periodontal basado en Deep Learning: Fase I Criterios e insumos radiográficos. La población de estudio conformada por una totalidad de 727 imágenes diagnósticas digitalizadas (radiografías periapicales) almacenadas en centro radiológico de la USTA en los años 2019-2020. Criterios de exclusión: Imágenes radiográficas periapicales elongadas, espacios alveolares que albergan implantes. 727 imágenes extraídas, correspondieron a 72 sujetos, 45 mujeres (62 %) y 27 hombres (38%), El promedio de dientes aportados por persona fue de 24,5 ± 4,4 dientes, de otro lado, la media de pérdida dental fue de 7,3± 3,3 dientes. Las métricas obtenidas son similares a otros estudios, encontramos así, que los insumos generados en la Fase I son correctos para el uso en la Fase II, es decir, para dar continuidad, para lo cual solo se tienen las observaciones generadas en el balance poblacional (en términos de distribución por sexo) y en el tamaño de la muestra (en términos imágenes radiográficas). Este sistema de red neuronal está desarrollado para identificar dientes en su fase inicial y será de gran ayuda al clínico, pudiendo procesar gran número de imágenes con los criterios específicos apoyando en el diagnóstico de manera eficiente.

• Autores: Galvis Zambrano, Laura Melissa; Amaris Brujes, Liz Dayana; Galeano Torres, Luis Alberto
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2020
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/29327
• Acceso en línea: http://hdl.handle.net/11634/29327
• Palabra clave: Bone loss; Periapical radiography; Deep Learning; Clínica dental; Periodoncia; Tecnología dental; Radiodiagnóstico; Periodontitis; Odontología - Toma de decisiones; Pérdida ósea; Radiografía periapical; Deep Learning
• Rights: openAccess
• License: Atribución-SinDerivadas 2.5 Colombia