DOI: https://doi.org/10.1038/s41597-024-04130-1
PMID: https://pubmed.ncbi.nlm.nih.gov/39604495
تاريخ النشر: 2024-11-27
المؤلف: Yunyou Huang وآخرون
الموضوع الرئيسي: الأشعة السينية السنية والتصوير
نظرة عامة
تسليط الضوء على انتشار الأمراض الفموية، التي تؤثر على حوالي 3.5 مليار فرد على مستوى العالم، يبرز عبئًا صحيًا كبيرًا، خاصة في البلدان ذات الدخل المنخفض والمتوسط حيث الوصول إلى الرعاية السنية محدود بسبب التكاليف العالية. تعاني الطرق التقليدية للتشخيص، مثل تحليل الأشعة السينية اليدوي، من صعوبة تلبية الطلبات على الكفاءة، والتكلفة المعقولة، وسهولة الوصول. لمواجهة هذه التحديات، ظهرت تقنيات التعلم الآلي المعتمدة على التصوير كحلول واعدة، قادرة على تعزيز دقة التشخيص واستراتيجيات العلاج في طب الأسنان.
تقدم هذه الورقة مجموعة بيانات سنية جديدة تتكون من صور لـ 169 مريضًا، تضم ثلاث طرق تصوير سنية مستخدمة على نطاق واسع ومجموعة متنوعة من حالات الصحة الفموية. تهدف مجموعة البيانات إلى التغلب على قيود مجموعات البيانات السنية العامة الحالية، التي غالبًا ما تعاني من حجم غير كاف، وافتقار إلى البيانات متعددة الأنماط، وتعقيد غير كاف. من خلال تسهيل التقدم في تطبيقات التعلم الآلي – مثل إعادة بناء الهيكل ثلاثي الأبعاد، وترجمة الصور، والتقسيم – تمتلك مجموعة البيانات المقترحة القدرة على تحسين خدمات الرعاية الصحية الفموية بشكل كبير، وتقليل تكاليف المرضى، وتوسيع الوصول إلى الرعاية، خاصة للفئات المحرومة.
الطرق
تحدد قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون مجموعة من الأساليب الكمية والنوعية لجمع البيانات، مما يضمن تحليلًا شاملاً لسؤال البحث. تضمنت المنهجيات المحددة تجارب محكومة، واستطلاعات، ونمذجة إحصائية، تم اختيارها لمعالجة الفرضيات بشكل فعال.
شمل جمع البيانات عملية أخذ عينات منهجية، مما يضمن أن العينة كانت تمثل السكان الأوسع. تم إجراء التحليل باستخدام برامج إحصائية متقدمة، مما يسمح بإجراء اختبارات صارمة للنماذج المقترحة. تم تعريف المقاييس الرئيسية، وتم تطبيق اختبارات إحصائية مناسبة للتحقق من النتائج، مما يضمن موثوقية ودقة في النتائج. بشكل عام، تم تصميم الطرق المستخدمة لتوفير رؤى قوية حول الظواهر قيد التحقيق.
المناقشة
في هذا القسم، تناقش البحث الاعتبارات الأخلاقية، وخصائص المرضى، وطرق جمع البيانات، وتدابير الخصوصية المرتبطة بمجموعة البيانات السنية متعددة الأنماط التي تم تطويرها لتعزيز التعلم الآلي في الرعاية الصحية السنية. حصلت الدراسة على موافقة أخلاقية من لجنة الأخلاقيات بجامعة غويلين الطبية، مما يضمن الامتثال للوائح HIPAA الأمريكية من خلال إخفاء هوية بيانات المرضى، والاحتفاظ فقط بمعلومات الجنس والعمر، والحصول على موافقة مستنيرة من جميع المشاركين. تتكون مجموعة البيانات من بيانات تصوير لـ 169 مريضًا بالغًا، تم جمعها بين عامي 2021 و2022، بما في ذلك 329 مسحًا بالأشعة المقطعية باستخدام شعاع مخروط (CBCT)، و8 أشعة بانورامية، و16,203 أشعة سينية حول القمة، التي تم إنشاؤها باستخدام خوارزمية تتبع الأشعة سيدون-جاكوب من صور CBCT.
تم تصميم هيكل مجموعة البيانات لتسهيل البحث، مع تنظيم الصور حسب الطريقة وتخزينها في تنسيقات مناسبة (DICOM لصور CBCT والصور البانورامية، TIF للأشعة السينية حول القمة). تم تنفيذ تدابير مراقبة الجودة لضمان دقة البيانات، بما في ذلك المعايرة اليومية لجهاز الأشعة المقطعية CBCT وعملية تسمية شاملة للصور. تهدف مجموعة البيانات إلى معالجة ندرة مجموعات البيانات السنية المتاحة للجمهور، خاصة تلك التي تحتوي على بيانات CBCT، وهي متاحة للباحثين من خلال منصة PhysioNet، رهناً بالاعتماد والتدريب. بشكل عام، تمثل هذه المجموعة من البيانات موردًا كبيرًا لتعزيز تطبيقات الذكاء الاصطناعي في التصوير السني والتشخيصات.
DOI: https://doi.org/10.1038/s41597-024-04130-1
PMID: https://pubmed.ncbi.nlm.nih.gov/39604495
Publication Date: 2024-11-27
Author(s): Yunyou Huang et al.
Primary Topic: Dental Radiography and Imaging
Overview
The prevalence of oral diseases, affecting approximately 3.5 billion individuals globally, underscores a significant health burden, particularly in low- and middle-income countries where access to dental care is limited due to high costs. Traditional diagnostic methods, such as manual X-ray analysis, struggle to meet the demands for efficiency, affordability, and accessibility. To address these challenges, imaging-based machine learning technologies have emerged as promising solutions, capable of enhancing diagnostic accuracy and treatment strategies in dentistry.
This paper introduces a novel dental dataset comprising images from 169 patients, incorporating three widely used dental imaging modalities and a variety of oral health conditions. The dataset aims to overcome the limitations of existing public dental datasets, which often suffer from insufficient volume, lack of multimodal data, and inadequate complexity. By facilitating advancements in machine learning applications—such as 3D structure reconstruction, image translation, and segmentation—the proposed dataset has the potential to significantly improve oral healthcare services, reduce patient costs, and extend access to care, particularly for underserved populations.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a combination of quantitative and qualitative approaches to gather data, ensuring a comprehensive analysis of the research question. Specific methodologies included controlled experiments, surveys, and statistical modeling, which were selected to address the hypotheses effectively.
Data collection involved a systematic sampling process, ensuring that the sample was representative of the broader population. The analysis was conducted using advanced statistical software, allowing for rigorous testing of the proposed models. Key metrics were defined, and appropriate statistical tests were applied to validate the findings, ensuring reliability and accuracy in the results. Overall, the methods employed were designed to provide robust insights into the phenomena under investigation.
Discussion
In this section, the research discusses the ethical considerations, patient characteristics, data collection methods, and privacy measures associated with the multimodal dental dataset developed for advancing machine learning in dental healthcare. The study received ethical approval from the Ethics Committee of Guilin Medical University, ensuring compliance with U.S. HIPAA regulations by anonymizing patient data, retaining only gender and age information, and obtaining informed consent from all participants. The dataset comprises imaging data from 169 adult patients, collected between 2021 and 2022, including 329 cone beam computed tomography (CBCT) scans, 8 panoramic radiographs, and 16,203 periapical radiographs, which were generated using the Siddon-Jacobs ray-tracing algorithm from the CBCT images.
The dataset’s structure is designed to facilitate research, with images organized by modality and stored in appropriate formats (DICOM for CBCT and panoramic images, TIF for periapical radiographs). Quality control measures were implemented to ensure the accuracy of the data, including daily calibration of the CBCT scanner and a thorough labeling process for the images. The dataset aims to address the scarcity of publicly available dental datasets, particularly those containing CBCT data, and is accessible to researchers through the PhysioNet platform, contingent upon credentialing and training. Overall, this dataset represents a significant resource for enhancing AI applications in dental imaging and diagnostics.