Generación de imágenes de ortopantomografía sintética utilizando redes adversarias generativas para el aumento de datos

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Visión por computadora

Sus antecedentes:

• Los conjuntos de datos de rayos X dentales anotados son escasos, lo que dificulta el desarrollo de la IA.
• Los conjuntos de datos existentes suponen limitaciones de privacidad y recursos.

Objetivo del estudio:

• Desarrollar una nueva línea de producción para la generación de imágenes de ortopantomografía sintética (OPG) de alta resolución.
• Para abordar el desafío de los limitados datos de rayos X dentales anotados para aplicaciones de IA.

Principales métodos:

• Utilizó redes adversarias generativas personalizadas (GAN) entrenadas en 4777 imágenes reales de OPG.
• OPGs sintéticos generados con una resolución de 2048 × 1024, conservando detalles anatómicos finos.
• Evaluación de imágenes sintéticas utilizando un modelo de detección de objetos YOLO y puntuación de dentistas expertos.

Principales resultados:

• Los modelos seleccionados de GAN produjeron OPG sintéticos realistas con una representación estructural precisa.
• El detector YOLO demostró un gran rendimiento en imágenes sintéticas, lo que indica una representación fiable de las características.
• Las evaluaciones de expertos confirmaron una alta plausibilidad anatómica, con los mejores modelos logrando más del 50% de las puntuaciones reales de OPG.

Conclusiones:

• La tubería basada en GAN permite la creación ética y escalable de imágenes sintéticas OPG.
• Este método aumenta efectivamente los conjuntos de datos para el diagnóstico dental impulsado por IA.
• Proporciona una solución práctica para el desarrollo de modelos de IA en entornos con datos limitados o sensibles a la privacidad.