Кийко Анастасия Алексеевна, аспирант, Научно-исследовательский институт бионики и персонифицированной медицины
ул. Чапаевская, д. 89, г. Самара 443099
Anastasia A. Kijko, Postgraduate, Research Institute of Bionics and Personalized Medicine
89 Chapaevskaya Str., Samara 443099
Николаенко Андрей Николаевич, доктор медицинских наук, доцент, директор Научно исследовательского института бионики и пер сонифицированной медицины
ул. Чапаевская, д. 89, г. Самара 443099
Andrey N. Nikolaenko, Doctor of Sciences (Medical), Associate Professor, Director at the Research Institute of Bionics and Personalized Medicine
89 Chapaevskaya Str., Samara 443099
Постников Михаил Александрович, доктор медицинских наук, профессор, заведующий кафедрой терапевтической стоматологии с курсом остеопатии
ул. Чапаевская, д. 89, г. Самара 443099
Mikhail A. Postnikov, Doctor of Sciences (Medical), Professor, Head of the Department of Therapeutic Dentistry
89 Chapaevskaya Str., Samara 443099
Попов Николай Владимирович, доктор медицинских наук, доцент, директор института стоматологии
ул. Чапаевская, д. 89, г. Самара 443099
Nikolay V. Popov, Doctor of Sciences (Medical), Associate Professor, Director of the Institute of Dentistry
89 Chapaevskaya Str., Samara 443099
Лысов Александр Дмитриевич, кандидат медицинских наук, доцент кафедры стоматологии
ул. Чапаевская, д. 227, г. Самара 443001
Alexander D. Lysov, Candidate of Sciences (Medical), Associate Professor at the Department Dentistry
227 Chapaevskaya Str., Samara 443001
Пономарев Артем Евгеньевич, магистрант, Передовая медицинская инженерная школа
ул. Чапаевская, д. 89, г. Самара 443099
Artem E. Ponomarev, Undergraduate, Higher School of Medical Engineering
89 Chapaevskaya Str., Samara 443099
Заров Евгений Владимирович, магистрант, Передовая медицинская инженерная школа
ул. Чапаевская, д. 89, г. Самара 443099
Evgeny V. Zarov, Undergraduate, Higher School of Medical Engineering
89 Chapaevskaya Str., Samara 443099
Цель исследования. Актуальной задачей цифровой дентальной имплантации является выбор и проектирование конструкции параметризованного имплантата с учетом объема и качества костной ткани в зоне имплантации, плотности и строения кости, планируемой протезной конструкции и других факторов. Цель ис следования – разработка системы поддержки принятия врачебных решений с элементами искусственного интеллекта для выбора и проектирования конструкции параметризованного дентального имплантата.
Методы. В результате анализа особенностей установки имплантата и логики поддержки принятия решений в состав соответствующего программного комплекса были включены компоненты базы знаний и машинного обучения. Реализация базы знаний выполнена в виде компьютерной онтологии и содержит правила, выстроенные в типовой последовательности обработки данных. Технология искусственного интеллекта использована на этапе определения плотности трабекулярной кости и классификации по типу костной ткани путем анализа снимков конусно-лучевой компьютерной томографии пациента с помощью нейронной сети.
Результаты. В эксперименте в качестве исходных изображений были использованы снимки компьютерной томографии нижней челюсти с различным разрешением, размеченные предварительно по группам плотности костной ткани, по 30 снимков в каждой группе (всего 120 случаев). Наилучшие результаты показала модель остаточной нейронной сети ResNet 34. Модель достигла 0,875 точности на валидаци онной выборке и 0,75 точности на тестовой выборке при значении функции потерь около 0,72. Таким образом, можно сделать вывод о положительной возможности применения технологии машинного обучения.
Заключение. Основным научным результатом исследования является обобщение в рамках единого комплекса технологий визуализации технических решений совместно с базой знаний в виде компьютерной онтологии и модуля машинного обучения в соответствии с принципами персонализированной медицины. Предложенный гибридный подход, сочетающий экспертные правила с методами машинного обучения, позволяет объединить достоинства двух парадигм: формализованного клинического опыта и адаптивного выявления скрытых закономерностей
Purpose of research. A current challenge in digital dental implantation is the selection and design of a parametric implant, taking into account the volume and quality of bone tissue in the implantation area, bone density and structure, the planned prosthetic structure, and a number of other factors. The purpose of the study is to develop a medical decision-making support system with Artificial Intelligence for selection and design of a parametric dental implant.
Methods. As a result of the analysis of the features of the implant installation and decision support logic, knowledge base and machine learning components were included in the corresponding software package. The implementation of the knowledge base is made in the form of a computer ontology and contains rules arranged in a typical sequence of data processing. Artificial intelligence technology is used at the stage of determining the density of the trabecular bone and classifying it by bone type by analyzing the patient's cone beam computed tomography images using a neural network.
Results. In the experiment, computed tomography images of the lower jaw with different resolutions were used as initial images, pre-marked by bone density groups, 30 images in each group (120 cases in total). The best results were shown by the residual neural network model ResNet 34. The model achieved 0.875 accuracy on the validation sample and 0.75 accuracy on the test sample with a loss function value of about 0.72. Thus, we can conclude about the positive possibility of using machine learning technology.
Conclusion. The main scientific result of the study is the generalization of technical solutions within a unified set of visualization technologies, combined with a knowledge base in the form of computer ontology and a machine learning module, in accordance with the principles of personalized medicine. The proposed hybrid approach, combining ex pert rules with machine learning methods, combines the advantages of two paradigms: formalized clinical experience and adaptive detection of hidden patterns
The authors declare that there are no conflicts of interest present.