International Journal of Computerized Dentistry, 3/2020
SciencePubMed-ID: 32789308Seiten: 211-218, Sprache: Deutsch, EnglischTalaat, Sameh / Kaboudan, Ahmed / Talaat, Wael / Kusnoto, Budi / Sanchez, Flavio / Elnagar, Mohammed H. / Ghoneima, Ahmed / Bourauel, ChristophZiel: Ziel war eine Untersuchung der Genauigkeit von DigiBrain4 (DB4) Dental Classifier und der CB4 Smart Search Engine* bei der Erkennung, Kategorisierung und Klassifizierung dentaler Bildmaterialien im Vergleich mit der Google Search Engine als eine der größten frei zugänglichen Suchmaschinen und größten verfügbaren Datenquelle.
Material und Methoden: Zahnmedizinisches Bildmaterial wurde gesammelt und mit Angaben zu Typ, Kategorie, Klasse und Attributen versehen. Das Bildmaterial umfasste Röntgenaufnahmen und klinische Bilder der Zähne und der Okklusion von Patienten aus unterschiedlichen Betrachtungswinkeln. Eine modifizierte SqueezeNet-Architektur wurde unter Verwendung des Framworks TensorFlow r1.10 implementiert. Das Modell wurde auf zwei NVIDIA-Volta-Grafikprozessoren trainiert. Außerdem wurde unter Verwendung von Chrome Driver (Google Web Driver) ein Programm zur Google-Bildsuche entwickelt, das die gefundenen Bilder an DB4 Dental Classifier und DB4 Smart Search Engine übergab. Anschließend wurde die kategoriale Genauigkeit von DB4 Dental Classifier und DB4 Smart Search Engine bei der Erkennung, Kategorisierung und Klassifizierung von zahnmedizinischem Bildmaterial mit derjenigen der Google-Suche verglichen.
Ergebnisse: Die kategoriale Genauigkeit der DB4 Smart Search Engine bei der Suche nach dentalem Bildmaterial betrug 0,93, während die Google Search Engine einen Wert von 0,32 erreichte.
Schlussfolgerung: Die gegenwärtigen Versionen von DB4 Dental Classifier und DB4 Smart Search Engine (Applikation und Add-On) erreichen eine hohe Genauigkeit bei der Erkennung, Kategorisierung und Klassifizierung zahnärztlicher Bildmaterialien. Die Suchmaschine war in der Lage, Bilder zu beschriften und nicht relevante Ergebnisse zu verwerfen.
Schlagwörter: zahnmedizinisches Bildmaterial, künstliche Intelligenz, dentale Röntgenbilder, dentale Fotografien, zahnmedizinische Klassifikatoren, intelligente Suchmaschine, maschinelles Lernen, Deep Learning, Convolutional Neuronal Network
The International Journal of Oral & Maxillofacial Implants, 6/2017
DOI: 10.11607/jomi.5875, PubMed-ID: 29140383Seiten: 1389-1398, Sprache: EnglischHassan, Muyeenul / Prakasam, Sivaraman / Bain, Carol / Ghoneima, Ahmed / Liu, Sean Shih-YaoPurpose: Recent case reports suggest that amnion-chorion membranes (ACM) and dense polytetrafluoroethylene membranes (dPTFE) can be left exposed during ridge preservation. The aim of this study was to compare the effectiveness of these membranes in ridge preservation, particularly when they are intentionally left exposed.
Materials and Methods: A split-mouth, single-blind, randomized trial design was used to compare treatments with the two membranes in 22 nonmolar sites on the same arch. Ridge dimensions were recorded clinically and with cone beam computed tomography prior to and 3 months after ridge preservation. Postoperative discomfort was recorded with Visual Analog Scale (VAS) forms. Mixed‑model analysis of variance was used to test significance.
Results: Clinical and radiographic ridge dimensions were not significantly different between the two treatments. ACM sites had significantly more osteoid and higher bone volume density but significantly less graft particles and bone surface density compared with dPTFE. Mineralized bone area and soft tissue area were not significantly different between the two treatments. ACM sites had significantly lower postoperative VAS scores compared with dPTFE.
Conclusion: Intentionally exposed ACM is equally effective in ridge preservation compared with dPTFE. Additionally, ACM use may aid in reducing postoperative VAS scores, and potentially result in better quality of bone available for implant placement, as evidenced by improved histomorphometric measures.
Schlagwörter: amnion-chorion membrane, cone beam computed tomography, dense PTFE, histomorphometry, microtomography, RCT, ridge preservation