Tandbildsannotering för automatiserad diagnos och tele-dentistry AI — Fallstudie
Hur Shaip levererade exakt polygonsegmentering av enskilda tänder över tandröntgenbilder, intraorala kamerabilder och kliniska fotografier – byggt som en produktionsklassad datauppsättning för automatiserad tanddiagnostik, behandlingsplanering och AI för teledentologi.
Projektöversikt
I takt med att dental AI går mot automatiserad diagnos och teletandvård, behövde klienten en kliniskt förankrad annoteringspipeline som kunde segmentera enskilda tänder – krona, rot och omgivande vävnad – över flera avbildningsmodaliteter med konsekvent tandnotation.
Shaip byggde en heltäckande annoteringspipelin som omfattar polygonprecis tandsegmentering, standard tandnumrering med tandnotation, tillståndsmärkning för flera attribut och synlighetsflaggning – och producerade modellfärdiga datamängder för tanddiagnostisk AI.
Nyckelstatistik
Anteckningstyp
Polygonsegment.
Tandtäckning
Full Arch
Skick Taggar
5
Bildkällor
3
Utmaningar
- spåra exakta kron-, rot- och vävnadsmarginaler med polygonsegmentering
- Täckande framtänder, hörntänder, premolarer och molarer över både övre och nedre bågarna
- Arbetar över tre bildkällor — Röntgen, intraorala kameror och kliniska fotografier
- Tillämpa standard tandnotation för konsekvent tandnumrering
- Tagging tillståndsstatus över friska, förfallna, flisade, saknade och fyllda
Lösning
Polygontandsegmentering
Varje tand i varje bild annoterades individuellt med hjälp av exakt polygonsegmentering, där den exakta gränsen för varje tandstruktur spårades, inklusive krona, rot och omgivande vävnadsmarginaler. Polygondensiteten kalibrerades för att fånga organiska tandkonturer utan onödiga hörnöverskott.
Fullständig täckning av bågen
Annoteringarna täckte alla tandtyper – framtänder, hörntänder, premolarer och molarer – över både övre och nedre käkbågar. Varje synlig tand fick sin egen polygon och attributuppsättning, vilket säkerställde att nedströms diagnostiska modeller hade hela munnen i kontext för behandlingsplanering.
Hantering av multimodala bildkällor
Datasetet omfattade dentalröntgenbilder, intraorala kamerabilder och kliniska fotografier – alla med distinkta avbildningsegenskaper. Annotatörerna följde källspecifika riktlinjer för att upprätthålla enhetlig märkning över olika modaliteter, vilket säkerställde att den tränade modellen kunde generaliseras över olika kliniska avbildningstyper.
Standard tandnotation
Varje annoterad tand märktes med sitt nummer med hjälp av standard dental notation, vilket möjliggjorde automatiserade diagnostiska utdata som integreras direkt med befintliga tandjournalsystem. Denna notationskonsistens gör att datasetet omedelbart kan användas för integration i kliniska arbetsflöden.
Skick- och synlighetsmärkning
Utöver polygonplacering fick varje tand statusmärkning för tillstånd – frisk, karies, flisad, saknad eller fylld – och synlighetsstatus – helt synlig, delvis ockluderad eller blockerad. Denna flerskiktsmärkning stöder både detektering och diagnostiska AI-applikationer.
Projektets omfattning
| Dataset typ | Annoteringsmetod | Bildkällor | Tandtäckning | Skick Taggar | Notation |
|---|---|---|---|---|---|
| Dental polygonsegmentering | Polygonsegmentering | Röntgen + intraoral + klinisk | Full övre + nedre hålfot | 5 (frisk, förfallen, flisad, saknad, fylld) | Standard tandnotation |
Utkomster
- Etablerade en kliniskt förankrad pipeline för tandsegmentering över tre avbildningsmodaliteter
- standardiserad standard tandnotation tandnumrering för klinisk systemintegration
- Levererat 5-klass villkorsmärkning från friska till fyllda tänder
- Bibehållen precision på polygonnivå fånga krona, rot och vävnadskanter
- Aktiverade klientens automatiserad tanddiagnostik, behandlingsplanering och teletandomologi AI-färdplan
Sammantaget hjälpte Shaip till att omvandla ett krav på multimodalitet inom tandannotering till en kliniskt strukturerad, produktionsklar segmenteringspipeline – en som kan stödja automatiserad tanddiagnostik, AI-assisterad behandlingsplanering, övervakning av munhälsa och teletandvårdsapplikationer med klinisk precision.
Shaips polygonsegmentering fångade exakt vad vår diagnostiska modell behövde – krona, rot och vävnadsmarginaler, med korrekt tandnotation rakt igenom. Multimodalitetstäckningen gjorde vår modell robust för både röntgen och intraoral avbildning.
