![]() ![]() Conclusiones: la concordancia se evaluó como nula, casi perfecta y aceptable para los hallazgos lámina dura, presencia de defectos óseos y tipo de defecto respectivamente. La edad promedio fue 38,8☙,9 años, y 61,6% eran mujeres. Resultados: se tomaron en total 125 radiografías. El acuerdo obtenido se estimó a través de Kappa de Cohen. ![]() Las valoraciones radiográficas fueron realizadas por dos evaluadores independientes y cegados para los hallazgos: lámina dura, defectos óseos y tipo de defecto. Métodos: estudio de pruebas diagnósticas incluyendo pacientes con periodontitis crónica localizada, sobre el diente con peor nivel de inserción clínico y a través de una sola radiografía convencional por órgano dentario empleando técnica de paralelismo. Objetivo: determinar la concordancia interexaminador para la detección de hallazgos radiográficos en pacientes con periodontitis crónica localizada empleando radiografía periapical convencional. ![]() Las ayudas diagnósticas que permitan la evaluación de su extensión y severidad resultan de importancia puesto que así se tendrán herramientas confiables para cuantificar la gravedad del problema. Introducción: la enfermedad periodontal afecta más de la mitad de la población en Colombia siendo estimada una de las primeras causas de morbilidad oral. ![]() Further subanalyses for various tooth types and various bone loss patterns showed that ICCs remained significant, although the algorithm performed with excellent reliability for %ABL on nonmolar teeth (incisors, canines, premolars ICC = 0.763).Ī CNN trained algorithm on radiographic images showed a diagnostic performance with moderate to good reliability to detect and quantify %ABL in periapical radiographs. The intraclass correlation (ICC) was 0.601 (P <. The algorithm recognised the cemento-enamel junction, the most apical extent of the alveolar crest, the apex, and the surrounding alveolar bone.įor the total of 140 images in the test set, the CNN scored a mean of 23.1 ± 11.8 %ABL, whilst the corresponding value for MA was 27.8 ± 13.8 %ABL. The training and validation sets were used for the development of a CNN algorithm. The objective of this research was to perform a pilot study to develop an automatic analysis of periapical radiographs from patients with and without periodontitis for the percentage alveolar bone loss (ABL) on the approximal surfaces of teeth using a supervised machine learning model, that is, convolutional neural networks (CNN).Ī total of 1546 approximal sites from 54 participants on mandibular periapical radiographs were manually annotated (MA) for a training set (n = 1308 sites), a validation set (n = 98 sites), and a test set (n = 140 sites). ![]()
0 Comments
Leave a Reply. |
AuthorWrite something about yourself. No need to be fancy, just an overview. ArchivesCategories |