Video Experimental Relacionado
Updated: Sep 10, 2025
Digital Hybrid Model Preparation for Virtual Planning of Reconstructive Dentoalveolar Surgical Procedures
Published on: August 5, 2021
Extracción automática de líneas marginales mediante aprendizaje profundo en 3D en modelos de superficie digitales de
Ammar Alsheghri1, Ying Zhang2, Julia Keren3
1Mechanical Engineering Department, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Kingdom of Saudi Arabia; Interdisciplinary Research Center for Biosystems and Machines, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Kingdom of Saudi Arabia.
Este estudio introduce una solución digital impulsada por IA para la creación automática de líneas de margen en el diseño de coronas dentales, mejorando la consistencia y la eficiencia en comparación con los métodos manuales. El marco de inteligencia artificial extrae con precisión líneas marginales de escaneos 3D de dientes preparados.
Área de la Ciencia:
- Odontología digital
- Inteligencia artificial en el cuidado de la salud
- Ingeniería biomédica
Sus antecedentes:
- El diseño de la línea de margen manual en las coronas dentales es subjetivo y carece de repetibilidad.
- Los métodos digitales actuales para la creación de líneas de margen pueden consumir mucho tiempo y ser inconsistentes.
- La definición precisa de la línea de margen es crucial para las restauraciones dentales exitosas.
Objetivo del estudio:
- Desarrollar y validar una solución digital personalizada para la creación automática y consistente de líneas de margen en dientes preparados.
- Aprovechar el aprendizaje profundo supervisado para una segmentación precisa de los dientes preparados en escaneos 3D.
- Establecer un marco de inteligencia artificial de extremo a extremo para la extracción de líneas marginales en el diseño de coronas dentales.
Principales métodos:
- Utilizó el aprendizaje profundo supervisado en un conjunto de datos de 1113 dientes preparados escaneados en 3D.
- Utilizó un clasificador de votación mayoritario con validación cruzada de 5 veces para mejorar el rendimiento de la segmentación.
- Se ha aplicado un nuevo procedimiento de post-procesamiento para la corrección y extracción de la línea de margen, seguido de una comparación con los márgenes de verdad.
Principales resultados:
- El modelo de IA extrajo con éxito líneas de margen en 70 de los 78 casos de prueba dentro de un umbral de 200 μm y 62 dentro de un umbral de 100 μm.
- El procedimiento de postprocesamiento propuesto demostró una precisión superior (DSC = 0,986) en comparación con la técnica tradicional de corte por grafo (DSC = 0,974, p = 0,024).
- Logró una alta precisión y consistencia en la segmentación de líneas de margen, superando a los métodos existentes.
Conclusiones:
- El marco de IA de extremo a extremo propuesto ofrece una herramienta digital coherente y eficiente en el tiempo para la extracción automática de líneas de margen.
- Esta solución de inteligencia artificial tiene el potencial de mejorar significativamente el flujo de trabajo para el diseño de coronas dentales.
- La tecnología proporciona un método repetible y preciso para definir los márgenes críticos en odontología digital.
