ПНИПУ: Антропоморфный робот-симулятор (тренажер для студентов-стоматологов)

Продукт

Разработчики:	ПНИПУ Пермский Национальный Исследовательский Политехнический Университет
Дата премьеры системы:	2024/12/05
Отрасли:	Фармацевтика, медицина, здравоохранение
Технологии:	Робототехника

СМ. ТАКЖЕ (2)

Основные статьи:

2024: Разработка системы для качественной оценки лечения зубов

Ученые Пермского Политеха разработали систему для качественной оценки лечения зубов с использованием робота-тренажера. Об этом университет сообщил 5 декабря 2024 года.

^{Стоматологический робот-тренажер.}

Ранее ученые Пермского Политеха разработали антропоморфный робот-симулятор – тренажер для студентов-стоматологов с технологиями ИИ. Нейросети во-первых, позволяют вести диалог с роботом, а во-вторых, нужны для распознавания объектов на изображении, чтобы оценивать результаты лечения зубов студентами. При этом система должна надежно локализовать и детально оценить сам изменяющийся объект – зуб в ротовой полости тренажера, его свойства и то, как они меняются в ходе операции. Для этого ученые ПНИПУ разработали двухступенную схему распознавания и усовершенствовали методы обработки, что до 92% повысило точность в нестабильных условиях съемки. Теперь нейросеть оценивает не только количественные показатели (размеры, глубину отверстия для пломбы, толщину снятого слоя эмали), но и качественные, например, правильно ли выполнена фрезеровка, нет ли скосов, равномерны ли дно и стенки зуба.

Исследование проводилось при финансовой поддержке Пермского НОЦ «Рациональное недропользование». Проект «антропоморфного стоматологического симулятора» – это тренажер для студентов-стоматологов, на котором учащиеся могут безопасно отрабатывать свои навыки в проведении основных процедур – лечение кариеса, обработка зуба под коронку, удаление и лечение канала. Встроенная нейросеть с помощью видеокамер позволяет оценить результаты работы, обрабатывая полученные изображения.

^{Распознавание системой. Вид с боковой камеры.}

Современные нейросети способны определять множество объектов разных классов без применения каких-либо дополнительных схем. Обычно для поиска и классификации объектов на фотографиях используют простую одноступенную нейросеть. Она, например, может с высокой точностью находить зубы в челюсти тренажера, несмотря на постоянное изменение освещенности и самой формы объекта в ходе лечения. Но если необходимо проанализировать не сам объект, а только его часть, допустим, небольшую пломбу, задача усложняется, повышается количество ложных срабатываний. Нейросеть может ошибочно принимать блики и неровности внутри полости рта за искомые отверстия в зубе или совсем пропускать их.

Ученые Пермского Политеха разработали двухступенную схему распознавания, которая анализирует фото в поисках составных объектов (отдельных зубов), вырезает, нормализует их по размерам и анализирует каждый фрагмент по отдельности для определения искомых мелких объектов (пломб, отверстий).

^{Улучшенная двухступенная схема.}

На первой ступени производится поиск области интереса, т.е. первая нейросеть определяет только объекты «зуб» и «зуб с дыркой». Они вырезаются и передаются на вторую ступень, где распознаются уже отверстия в зубах и их свойства, — объяснил Андрей Кокоулин, доцент кафедры автоматики и телемеханики ПНИПУ, кандидат технических наук.

Предварительная обработка фото особенно актуальна для определения свойств малых объектов, так как их изменения сложнее обнаружить. Она позволяет устранить шум, повысить контрастность и яркость, а также улучшить четкость, что делает изображение более информативным. Из-за того, что зубы имеют цвет близкий к белому, на них плохо видны контуры вырезанных отверстий. Также мешает отсвечивание подсветки, необходимой для работы камер. Политехники дополнительно встроили в систему программу для улучшения контраста, которая сохраняет локальные детали и структуры изображения, что важно для точного определения границ мелких объектов на изображении.

^{Распознавание системой. Вид с верхней камеры.}

Форма зуба представляет собой кривую, и в ходе процедуры важно вычислять размеры его границ, глубину отверстий и количество снятой эмали. Для этого ученые разработали метод измерения объекта сложной формы, позволяющий проводить расчеты в трех измерениях.

Применение нашей двухступенной системы до 92% увеличило точность и до 5% уменьшило количество ложноположительных срабатываний. Для каждого варианта лечения нейросеть может определить свои количественные параметры. Для «кариеса» и «канала» — размеры полости под пломбу, для «коронки» — толщину и равномерность снятого слоя с боков и сверху зуба. А также качественные показатели — правильно ли выполнено лечение, не сломался ли зуб при удалении и насколько ровные стенки, — поделился Андрей Кокоулин.

Политехники отмечают, что в перспективе возможно создание мобильного приложения, с помощью которого можно сфотографировать вылеченный зуб (еще без пломбы или коронки) и оценить качество лечения. Также предложенный метод анализа можно использовать везде, где нужна съемка различных составных конструкций и механизмов со множеством деталей. Разработанная учеными ПНИПУ система на основе нейросети существенно улучшает обучение студентов на стоматологическом тренажере, а также вносит большой вклад в развитие современной технологичной медицины в России.

Источник — «https://zdrav.expert/index.php/%D0%9F%D1%80%D0%BE%D0%B4%D1%83%D0%BA%D1%82:%D0%9F%D0%9D%D0%98%D0%9F%D0%A3:_%D0%90%D0%BD%D1%82%D1%80%D0%BE%D0%BF%D0%BE%D0%BC%D0%BE%D1%80%D1%84%D0%BD%D1%8B%D0%B9_%D1%80%D0%BE%D0%B1%D0%BE%D1%82-%D1%81%D0%B8%D0%BC%D1%83%D0%BB%D1%8F%D1%82%D0%BE%D1%80_(%D1%82%D1%80%D0%B5%D0%BD%D0%B0%D0%B6%D0%B5%D1%80_%D0%B4%D0%BB%D1%8F_%D1%81%D1%82%D1%83%D0%B4%D0%B5%D0%BD%D1%82%D0%BE%D0%B2-%D1%81%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%BE%D0%B2)»