Торговый Дом «Аюрведа» — аюрведа оптом

Как добраться?

• Выберите филиал

Спасибо за обращение. Наш администратор скоро с вами свяжется.

Компьютерная обучающая программа для снижения вариабельности выявления кариеса

Обнаружение кариеса — важный предмет для изучения: во многих статьях сообщается о больших различиях между наблюдателями в обнаружении поражений. Частично эта вариабельность связана с использованием тестов с низкой диагностической точностью (визуальный осмотр, острые исследователи и рентгенограммы), а частично — с плохим пониманием кариесного процесса вместе с интерпретацией обнаруживаемых изменений. Авторы этой статьи сконцентрировались на разработке и тестировании метода улучшения интерпретации радиопрозрачности как косвенного метода выявления кариеса.Эта статья дает возможность прокомментировать программу научно-обоснованного обучения рентгенологической диагностике и прокомментировать научно обоснованную оценку этой программы.

Программа CAL

Программа CAL состояла из двух разделов: калибровка и проверка (и раздел: оценка для оценки программы в этом эксперименте). Эти два раздела программы предлагают студенту, независимо от учителя, способы улучшить свой диагноз по сравнению с опубликованным золотым стандартом.В случае раздела validation существует гистологический диагноз «золотой стандарт», в котором пользователю показывают состояние поверхности и гистологический разрез поверхности, который только что был просмотрен на рентгенограмме.

Экспериментальный план оценки программы

Программа CAL оценивалась в рамках рандомизированного контрольного исследования. Авторы использовали оценочные рентгенограммы с гистологическим золотым стандартом из предыдущей независимой публикации.Данные были собраны компьютером во время исследования, и золотой стандарт применялся независимо от авторов. Анализ данных включал проверку смещения выборки и анализ данных с использованием сводной методики S-ROC.

Частью компромисса при разработке клиентской лицензии является решение о том, насколько реалистичным будет сделать диагностический процесс, по сравнению с тем, чтобы подвергнуть учащихся достаточному количеству примеров заболеваний, чтобы сократить время обучения. Авторы решили использовать в разделе калибровку рентгенограмм 118 поверхностей, из которых 18 поверхностей имели кариес дентина (распространенность 15%), в разделе валидация они использовали рентгенограммы 105 поверхностей, из которых 45 поверхностей имели кариес дентина (распространенность 43%). и в оценке — секционных рентгенограмм 56 поверхностей, 23 из которых имели кариес дентина (распространенность 41%).Такая высокая распространенность заболеваний может быть обнаружена в некоторых группах с низким социально-экономическим статусом, но не будет репрезентативной для среднего класса, регулярно посещающего стоматологию. Влияние распространенности заболевания на прогностическую ценность положительных результатов теста (интерпроксимальная прозрачность) можно увидеть из того факта, что тест с чувствительностью и специфичностью 80% в популяции с распространенностью заболевания 15% будет иметь положительный результат. прогностическая ценность всего 41%. Это говорит о том, что опыт преподавания не будет репрезентативным для распространенности, обнаруженной в реальной популяции общей практики.Однако для того, чтобы воспроизвести этот опыт в этой программе клиентского доступа, потребовалось бы неприемлемо много времени.

Одной из проблем при обнаружении кариеса наблюдателем является ложноположительная интерпретация «выгорания» и областей соединения цемент-эмаль как кариеса. Из статьи не следует, что эти неправильные интерпретации нормальной анатомии как ложное заболевание были явно рассмотрены в методе CAL, и это может улучшить знания учащегося, если в программу будут включены примеры.Кроме того, следует рассмотреть более крупный вопрос результатов лечения, связанный с этой программой. Эта программа CAL улучшила среднюю чувствительность на 9% без увеличения ложноположительной интерпретации. Однако, если CAL приведет к увеличению обнаружения поражения, что приведет к преждевременному ненужному оперативному вмешательству, то такая программа приведет к негативным последствиям для здоровья в виде несоответствующего лечения. Чтобы предотвратить это, было бы разумно убедиться, что программы CAL для обнаружения кариеса включают в себя модули принятия решений о лечении, которые учитывают риск кариеса пациента, серьезность (глубину) поражения, активность (изменение со временем) и состояние кавитации, чтобы гарантировать обнаружение поражения. не приводит автоматически к оперативному вмешательству.

Подводя итог, тем не менее, следует поблагодарить авторов за разработку инструмента для повышения диагностической достоверности и уменьшения вариабельности выявления кариеса.

Инструменты для обнаружения кариеса: выберите лучшее для своей практики

В Части I этой серии статей, посвященных обнаружению кариеса, мы рассмотрели концепцию кариеса зубов, а также то, как мы, клиницисты, можем согласиться не соглашаться с тем, что нам говорит рентгенографическое изображение и когда лечить.

В этой статье мы рассмотрим существующие на рынке достижения в области технологий, которые позволят нам лучше диагностировать, восстанавливать или предотвращать дальнейшее разрушение зубов.Для краткости описания и информацию о выбранных устройствах можно улучшить, щелкнув встроенные ссылки. Эта статья больше подходит для тех, кто интересуется тем, что существует на рынке, как старым, так и новейшим. Цены на каждое из электронных устройств различались в полученных котировках и не были включены в эту статью по этой причине, чтобы не дезинформировать наших читателей.

Детектор кариеса, или раскрывающий раствор, не самый старый, но один из самых простых методов обнаружения кариеса.Он широко используется, рентабелен и может отличить не реминерализуемый дентин от реминерализуемого.

После высыхания и изоляции области поместите окрашивающий раствор на 10 секунд (в то время как другие предлагают немедленно промыть, это рекомендация производителя), промойте и осмотрите участки алого красного цвета (некоторые производители используют темно-синий или зеленый цвет). Это идентифицированный кариозный дентин, который не может быть реминерализован и может быть удален с помощью ложки и / или круглого бора и низкоскоростного наконечника.Он может быть особенно полезен в качестве «фонарика» при удалении обширного кариеса, который проходит сбоку и подрывает щечные, язычные и небные стенки.

Использование красителя должно осуществляться с обоснованной клинической оценкой, с использованием тактильной обратной связи от исследователя и / или экскаватора, а также с пониманием зон минерализации зуба.

В статье / блоге доктора Ли Энн Брэди она напоминает нам, что «проблема заключается в том, что минерализация не связана напрямую с бактериальной инфильтрацией и кариесом.Циркумпульпальный дентин и дентин-эмалевый переход менее минерализованы. Поэтому дентин на глубине препарирования и близко к пульпе часто поглощает краситель, что приводит к ложноположительному результату и потенциально избыточному препарированию и увеличению риска травмы пульпы ». ¹ Раствор для раскрытия информации может быть эффективным инструментом в расшифровке кариеса и использоваться для получения опыта для всех начинающих стоматологов.

Просветление света через зуб для диагностики заболеваний было предметом обсуждения с 1920-х годов, когда компания Cameron Surgical Specialty Co. представила стоматологическую диагностическую лампу Cameron. ² Сегодня у нас есть трансиллюминатор Microlux от AdDent, Inc., портативное устройство, похожее на палочку, для обнаружения межзубного кариеса, среди других полезных инструментов, таких как обследование на рак полости рта, визуализация коронки или переломов корня, обнаружение отверстий корневых каналов и улучшение поле зрения во время апикальных операций.

Ссылки ниже предлагают полезные исследовательские ссылки и видеоурок.

http://www.addent.com/wp-content/uploads/MicroluxFlash.swf

http: // www.addent.com/microlux-research-references/

Компания KaVo, США, производит портативное лазерное устройство, предназначенное для помощи в обнаружении кариеса на самой ранней стадии. Он измеряет отраженный свет, в частности, флуоресценцию лазера. Бактерии флуоресцируют при воздействии света определенной длины волны. Диагнодент работает на длине волны 655 нм. Именно на этой длине волны чистая здоровая структура зуба практически не имеет флуоресценции, что приводит к очень низким показаниям на дисплее устройства.

Напротив, кариозные структуры демонстрируют флуоресценцию в зависимости от степени разрушения. Результатом являются повышенные показания на дисплее устройства. Врач может сосредоточиться на зубах, пока звучит масштабированный звуковой сигнал в зависимости от тяжести кариеса / показаний.

Зубы должны быть высушены, и для каждого пациента необходимо записать исходный уровень, выбрав один здоровый зуб. Запишите это в таблицу, чтобы иметь возможность читать в будущем. Щелкните ссылку ниже, чтобы просмотреть видеоурок.

Trek Control

от Quantum Dental Technologies представляет портативный лазерный инструмент со встроенной внутриротовой камерой, обнаруживающей наличие трещин и кариеса до того, как они станут достаточно большими, чтобы их можно было увидеть на рентгенограммах. Это единственная система, которая анализирует и измеряет кристаллическую структуру зуба. Может измерять глубину до 5 мм. Он обнаруживает кариес на всех поверхностях поверхностей зубов, в том числе по краям амальгам, смол и коронок; гладкие поверхности; ямки / трещины; под герметики; и вокруг ортодонтических скоб.

При размещении на поверхности зуба маломощный пульсирующий лазерный луч освещает зуб во время трехсекундного сканирования. Импульсы лазерного света генерируют фототермический (PTR) и люминесцентный (LUM) отклики. Используя лазерный импульс с частотой 2 Гц, лазерный свет может проникать под поверхность зуба и обеспечивать обнаружение кариозного поражения размером от 50 микрон (в 20 раз меньше миллиметра) и глубиной до 5 мм от поверхности зуба. поверхность зуба.

Для проксимальной диагностики кариеса Canary System более точна, чем прикусная рентгенография. Согласно независимому клиническому исследованию на людях, проведенному в Техасском университете и опубликованному на собрании Международной ассоциации стоматологических исследований в марте 2015 года, канарейка имела чувствительность 92% по сравнению с 67% для прикусной рентгенографии. ³

Щелкните ссылку ниже, чтобы просмотреть видеоурок.

http://www.thecanarysystem.com/about-video.php

Dexis Dental имеет новую версию портативного трансиллюминационного устройства CariVu. В нем используется запатентованная технология для идентификации окклюзионных, межзубных и рецидивирующих кариесов и трещин. Устройство предназначено для того, чтобы охватить зуб своим запатентованным ближним инфракрасным светом. Зуб кажется прозрачным. Кариозные поражения поглощают свет и пытаются имитировать то, как выглядит межзубный кариес на рентгенограмме. Dexis считает, что у них есть преимущество перед флуоресцентными устройствами в том, что зубы не нужно очищать от бактерий, устройство не требует калибровки перед каждым использованием, а устройство сообщает больше о физическом состоянии зуба.

Щелкните ссылку ниже, чтобы просмотреть видеоурок.

http://www.dexis.com/carivu-training-video

Ниже приведена диаграмма, полученная из статьи для ADA, написанной доктором Дугласом А. Янгом, профессором кафедры стоматологической практики Тихоокеанского университета и доктором Ребеккой Слейтон, кафедрой детской стоматологии Вашингтонского университета

Компания Carestream Dental выпускает программное обеспечение Logicon, инструмент компьютерной диагностики.Это не портативное устройство. Он использует базу данных гистологически подтвержденных случаев кариеса, чтобы определить, присутствует ли кариес.

Согласно Carestream, программное обеспечение Logicon версии 5.1 клинически доказано, что помогает стоматологам выявлять на 20 процентов больше межзубного кариеса постоянных зубов, чем традиционные методы, и является единственным коммерчески доступным программным обеспечением для компьютерной радиографической диагностики кариеса, одобренным FDA. Последние улучшения программного обеспечения еще больше улучшают процесс обнаружения.С помощью нескольких щелчков мышью Logicon Caries Detector PreScan применяет алгоритм ко всем подходящим интерпроксимальным поверхностям на рентгенограмме, чтобы получить представление о существующем кариесе, помогая стоматологу проверить результаты, полученные вручную, путем сосредоточения внимания на поверхностях, требующих дальнейшего исследования.

Logicon работает только в рамках программного обеспечения Carestream Dental Imaging. Его нельзя интегрировать с любым другим программным обеспечением для обработки изображений зубов.

Цель этой статьи состояла в том, чтобы собрать основные моменты, чтобы вы могли начать собственное исследование того, что может лучше всего подойти для вашей практики в улучшенном обнаружении кариеса.Ни в одной диагностике нет ярлыков. Клинический визуальный, тактильный, рентгенологический, стоматологический анамнез пациента и восприимчивость — все это играет роль в индивидуальном уходе. Опыт имеет решающее значение. Если у вас мало опыта, эти инструменты могут оказаться очень полезными как для вспомогательных, так и для обучающих целей. Но даже опытный врач может оценить эту впечатляющую диагностику и получить от нее удовольствие.

Кто знает, что будет дальше?

(Щелкните эту ссылку, чтобы увидеть другие стоматологические статьи доктора Дэвида Сент-Леджера.)

Дэвид Ст. Леджер, DDS, приглашенный преподаватель, модератор, автор статей www.uppermontclairdental.com

Список литературы

1. Брэди Л.А. Краситель для обнаружения кариеса — Lee Ann Brady DMD. Ли Энн Брэди стоматологический блог, 2011.

2. Трансиллюминация: Медицинская энциклопедия MedlinePlus. Национальная медицинская библиотека США, 2015 г.

3. Uzamere EO, Jan J, Bakar WW, Mathews SM, Amaechi B. Клиническое испытание Canary System для проксимального обнаружения кариеса.Генеральная сессия Международной ассоциации стоматологических исследований 2015 г., Бостон, Массачусетс

человек против компьютера: кто может более точно определить кариозные поражения?

Рекламный контент

Введение
Искусственный интеллект стремительно меняет мир вокруг нас, поскольку беспилотные автомобили прокладывают себе путь через трафик, компьютерная речь становится неотличимой от человеческой, а игроки-роботы побеждают чемпионов мира в сложных играх, таких как шахматы и го.Медицинские применения компьютерного зрения были особенно удивительны, поскольку компьютерный анализ медицинских изображений, таких как рентгеновские снимки грудной клетки, сравнялся или превзошел по чувствительности и точности опытных врачей-людей. Мощный тандем компьютерного зрения и искусственного интеллекта теперь переходит в область стоматологии, сканируя стоматологические рентгеновские снимки с точностью квалифицированного врача в сотни раз быстрее.

Чтобы установить, действительно ли достигнуто равенство между человеческими и компьютерными диагностическими способностями, Перл провел пилотное исследование, сравнив производительность трех опытных считывателей стоматологических рентгенограмм с системой компьютерного зрения / машинного обучения (CV / ML) для выявления кариеса.Специалисты по анализу людей и цифровые аналитики аннотировали образцы из более чем 10 000 рентгеновских снимков зубов, оценивая их на наличие или отсутствие кариеса. В исследовании сравнивались уровни диагностического согласия и разногласий среди людей-читателей, по отдельности и в сочетании, и сравнивались эти уровни с результатами вычислений из системы CV / ML.

Результаты показали, что система CV / ML лучше предсказывала наличие кариеса на основе рентгенографических изображений, чем человеческие читатели. Превосходство системы CV / ML над экспертами-людьми в этом исследовании перекликается с тем, что было продемонстрировано в диагностических реализациях на основе искусственного интеллекта в других областях медицины.Исследование предполагает, что системы CV / ML могут дополнять работу стоматолога, как путем предварительного просмотра изображений и выявления подозрительных областей, так и путем предоставления второго мнения, которое явно более надежно, чем мнение врача-человека. Система CV / ML, работающая в тандеме с практикующим человеком, может повысить точность диагностики, снизить затраты за счет улучшения раннего выявления, повысить уверенность пациентов в диагнозах, снизить ответственность и улучшить долгосрочные результаты — беспроигрышный вариант для пациентов и дантисты одинаково.

Методология
Трем стоматологам с профессиональным опытом было предложено выделить кариозные поражения на 10 617 рентгенограммах, состоящих из 4 147 прикусных и 6 440 периапикальных. Используемый онлайн-инструмент аннотации, созданный Pearl, Inc. (Западный Голливуд, Калифорния), позволил им идентифицировать подозреваемый кариес с помощью прямоугольной ограничительной рамки и классифицировать их как Только эмаль, В дентин и Приближение или в пульпу. (Обратите внимание, что изображения, использованные в этом исследовании, не были среди тех, которые использовались при обучении или проверке системы CV / ML.)

Таблица 1: Количество положительных по кариесу изображений, идентифицированных каждым из трех врачей.

Показатели эффективности считывателей-людей
В таблице ниже представлен процент изображений, на которых пары считывающих устройств согласны с существованием кариеса.

Таблица 2: Соглашение между врачами о наличии кариозных поражений на уровне изображения, то есть это изображение действительно содержит по крайней мере одно кариозное поражение.
Процентное соотношение соответствует статистически вероятной частоте кариеса в любом большом наборе случайных данных.По нашим оценкам, ожидаемая частота кариес-положительных прикусов и периапикалов составляет от 2 до 12% ^1,2 . Относительно большая разница между парой читателей с самым высоким уровнем согласия и парой с самым низким, по-видимому, отражает сложность положительной идентификации кариозного поражения в пограничных случаях.

В следующей таблице показано обратное: уровень согласия с отсутствием кариеса .

Таблица 3: Соглашение между врачами об отсутствии кариозных поражений на уровне изображения, т.е. на этом изображении нет никаких кариозных поражений.
Неудивительно, что парам врачей было легче прийти к согласию, когда не было подозрений на наличие поражения.

Круговые диаграммы показывают уровни разногласий внутри каждой пары.Примечательно, что клиницист 1 более чем в два раза чаще был не согласен с любым из других клиницистов, чем они были не согласны друг с другом.

Рисунок 3: Визуализация согласия и несогласия между врачами. (Вверху) C1 по сравнению с C2. (В центре) C2 по сравнению с C3. (Внизу) C3 по сравнению с C1.

Рисунок 4: Визуализация согласия и несогласия между несколькими аннотаторами

Показатели производительности системы CV / ML
Наконец, производительность системы CV / ML, обученной анализу стоматологических рентгенограмм, была сравнена с врачами-людьми, по отдельности и в сочетании, для определения наличия или отсутствия кариеса .Тест состоял из нескольких итераций, в каждой из которых предполагалось, что суждение одного человека-клинициста является правильным, а другие люди и компьютер оценивались по степени их согласия с этой предполагаемой основной истиной (GT). Метрика, используемая для расчета точности, — это площадь под кривой рабочих характеристик приемника (AUC) (ROC). Кривые ROC были нормализованы к единичному квадрату, чтобы позволить проводить сравнения между абсолютными суждениями «да / нет» читателей и уровнями дробной достоверности, генерируемыми системой CV / ML.Результаты показаны ниже в Таблице 7.

Таблица 4: Результаты трех клиницистов и одной модели компьютерного зрения, протестированной, при этом каждый из трех человек считался истинным. Строки представляют другого клинициста, используемого как основную истину, а столбцы представляют другого клинициста и CV / ML, используемых в качестве предикторов.

Стоит отметить различие в сравнении любых двух считывателей, когда один считается основной истиной, а другой — прогнозирующим.Например, клиницист 1 предсказывает с AUC 84,6% против клинициста 2 как основную истину. В противоположной ситуации врач-клиницист 2 предсказывает только AUC, равную 68,4%. Отсутствие симметрии связано с влиянием классового дисбаланса на парадигму ROC. Если вероятность положительных результатов значительно превышает вероятность отрицательных результатов, штраф за ошибку типа II (ложноотрицательный) будет иметь меньшее влияние на AUC. Учитывая, что прикусные и периапикальные рентгенограммы естественным образом имеют вероятность отрицательного кариеса, т.е.е. В нормальном состоянии штраф за ошибки типа II имеет большее влияние на AUC. Следствием этого является то, что клиницисты со сродством к чувствительности обычно превосходят тех, у кого есть сродство к специфичности. Как видно на рисунке 4 (диаграмма Венна), C1> C2> C3 в отношении чувствительности.

Таблица 5: Результаты при использовании пар считывателей (единогласно) в качестве основной истины и измерения эффективности оставшейся модели клинициста и компьютерного зрения в качестве предикторов.

Заключение
По мере развития стоматологических технологий можно ожидать развития и совершенствования диагностики, планирования лечения и клинической практики.Однако в настоящее время широко распространенной проблемой в отрасли, с точки зрения пациента, является отсутствие диагностического единодушия среди клиницистов, что может сбить с толку пациентов и вызвать недоверие.

Результаты этого исследования показывают, что три стоматолога не согласятся относительно существования кариеса примерно для 17% прикусных и периапикальных рентгенограмм, в то время как двое клиницистов с большей вероятностью согласятся. Инструмент CV / ML превосходит врачей в прогнозировании наличия кариеса на основе рентгенографических изображений.Это справедливо как для ситуаций, в которых один клиницист используется для получения достоверной информации, так и для сравнения прогнозов CV / ML с пересечением аннотаций двух клиницистов.

Выводы для отрасли:

• Обычно практикующие врачи ежегодно теряют значительное количество новых пациентов и изо всех сил стараются их заменить. Среди факторов, способствующих этой динамике, — недоверие к диагнозам, которые воспринимаются как дорогие, и беспокойство пациентов о том, что их «продают», а не лечат.Отсутствие диагностического консенсуса среди стоматологов подтверждает первоначальную реакцию пациента на обращение к другому стоматологу, потому что они часто получают другой или более благоприятный диагноз.
• Поскольку CV / ML не только более точный, но и более последовательный, он обещает определить новый стандарт медицинской помощи, который улучшит экономику практики и улучшит общее состояние здоровья пациентов за счет повышения доверия к диагностическому процессу.
• Практикующие стоматологи будут ограничивать свою ответственность за счет включения другого мнения в свои сеансы диагностики и планирования лечения.
• Побочные эффекты также улучшат системное здоровье за ​​счет увеличения общей популяции пациентов, проходящих лечение.

Ссылки

1. Всемирная организация здравоохранения. Информационный бюллетень 355, Неинфекционные заболевания. Обновлено в июне 2017 г. Доступно в Интернете в июле 2017 г .: http://www.who.int/mediacentre/factsheets/fs355/en/

2. Всемирная организация здравоохранения. Прогнозы смертности и причин смерти на 2015 и 2030 годы. Онлайновая база данных «Регионы ВОЗ», доступ 28 октября 2016 г .: http: // www.who.int/healthinfo/global_burden_disease/projection/en/

Pearl, Офир Танц и доктор Кайл Стэнли, недавно присоединились к подкасту Group Dentistry Now , чтобы обсудить, как Pearl производит революцию в стоматологической индустрии. Стоматологические группы и DSO с лучшим оборудованием, данными и анализом имеют преимущество, но многие стоматологи по-прежнему анализируют рентгеновские снимки вручную. Технология искусственного интеллекта Pearl идентифицирует стоматологические патологии, диагностируемые с помощью рентгеновских лучей, с точностью в три раза большей, чем у среднего стоматолога.Послушайте этот подкаст, чтобы узнать больше о будущем стоматологической помощи с улучшенными технологиями, в том числе о новой технологии Pearl «Second Opinion». Двое гостей также высказывают свое мнение о будущем искусственного интеллекта в стоматологической индустрии.

Ищете работу? Хотите устроиться на работу? JoinDSO.com может помочь: Подпишитесь бесплатно на самый читаемый и уважаемый ресурс

Оценка риска кариеса у молодого взрослого населения с использованием компьютерной модели оценки риска (Кариограмма)

Резюме

Предпосылки / цель

Кариограмма — это программа, которая была недавно разработана для практического применения оценки риска кариеса.Целью этого исследования было оценить взаимосвязь между риском кариеса и различными параметрами кариограммы у молодого взрослого населения.

Материалы и методы

В исследовании приняли участие 90 добровольцев (49 женщин и 41 мужчина) в возрасте 19–25 лет. Системные заболевания, частота диеты, фторидные программы, кариес, отсутствие и пломбирование зубов (DMFT), кариес, отсутствие и пломбирование поверхностей (DMFS), а также индексы зубного налета регистрировались при клинических и рентгенологических исследованиях. Скорость секреции слюны и количество Streptococcus mutans и Lactobacillus определяли путем отбора проб слюны.

Результаты

Были обнаружены статистически значимые корреляции между риском кариеса, определенным с помощью кариограммы, и прошлым опытом кариеса (индексы DMFT и DMFS), фторидными программами и количеством S. mutans и Lactobacillus в слюне. Результаты линейного регрессионного анализа показали, что наиболее важными факторами риска кариеса были прошлый опыт кариеса, частота диеты, фторидная программа, скорость секреции слюны и количество S. mutans и Lactobacillus .

Выводы

Согласно результатам этого исследования, наиболее важными факторами риска кариеса были прошлый опыт кариеса, фторидные программы и количество S. mutans и Lactobacillus в слюне. Кариограмма — это полезный метод для стоматологов в клинической практике для оценки риска кариеса, а также ее можно использовать в качестве дидактического инструмента для обучения и мотивации пациентов.

Ключевые слова

риск кариеса

Кариограмма

фактор риска

Рекомендуемые статьи Цитирующие статьи (0)

Авторские права © 2012 Опубликовано Elsevier B.V.

Рекомендуемые статьи

Цитирование статей

Программное обеспечение Logicon Caries Detector помогает обнаруживать кариес

Logicon Caries Detector Software — это одобренная FDA программа, которая помогает стоматологам лучше обнаруживать полости на рентгеновских снимках.

С помощью программного обеспечения Logicon Caries Detector д-р Петри и д-р Уолтон могут визуально анализировать ваши рентгеновские снимки на экране компьютера, чтобы определить наличие полостей. Программное обеспечение помогает в этом анализе, поскольку помогает идентифицировать полости, которые может быть нелегко обнаружить невооруженным глазом.Добавьте к этому тот факт, что мы можем увеличить цифровые рентгеновские лучи до размеров экрана компьютера, и почти невозможно пропустить развивающуюся полость.

Одним словом, точность! Программное обеспечение Logicon Caries Detector обнаруживает на 20% больше полостей, чем только человеческий глаз. Программное обеспечение достаточно чувствительно, чтобы обнаруживать полости на самых ранних стадиях, что дает нам возможность отслеживать потенциальные проблемы с течением времени. Он может даже предотвратить неправильный диагноз здоровых зубов, различая настоящие полости и области на рентгеновском снимке, которые всего лишь выглядят как как полости.

Чем раньше мы поймем кариес, тем легче его вылечить. Например, полость на самых ранних стадиях может потребовать только пломбирования. Во время пломбирования мы удаляем разрушенный зубной материал, очищаем область и затем заполняем полость пломбировочным материалом, который предотвращает повторное проникновение бактерий в зуб.

Но пусть кариес останется незамеченным, и он может перерасти в нечто гораздо более серьезное.На самом деле кариес начинает пробираться сквозь слои зуба. Если он достигнет пульпы зуба, содержащей нервы и кровеносные сосуды, разовьется инфекция.

На этом позднем этапе лечение становится более сложным. Пациентам может потребоваться удаление зуба или процедура лечения корневых каналов. Мы стараемся предотвратить это, когда это возможно.

Вот что такого замечательного в программном обеспечении Logicon Caries Detector. Это позволяет нам идентифицировать кариес на самых ранних стадиях.Это означает, что мы можем лечить наших пациентов менее сложными и менее дорогостоящими процедурами.

Как стоматологи, мы ценим возможность использовать новейшие технологии в нашем офисе, потому что они позволяют нам оказывать нашим пациентам наилучшую стоматологическую помощь. Что касается стоматологической помощи, мы рекомендуем нашим пациентам посещать нас каждые 6 месяцев для проверки.

Если вы или ваши дети должны навестить вас, вы можете легко назначить встречу с доктором Уолтоном или доктором Петри. Вы можете записаться на прием онлайн, просто позвонив по ссылке , нажав здесь , или позвонив в наш офис по телефону 330.578.1778. Мы удобно расположены по адресу 508 E. Exchange Street, в самом центре Акрона.

ПРОГНОЗИРОВАНИЕ КАРИЕСА С ПОМОЩЬЮ НЕЙРОСЕТЕЙ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ | Удод

Кассебаум, Н. Дж., Смит, А. Г. К., Бернабе, Э., Флеминг, Т. Д., Рейнольдс, А. Е. и др. al. (2017). Глобальная, региональная и национальная распространенность, заболеваемость и годы жизни с поправкой на инвалидность для состояний полости рта для 195 стран, 1990–2015 годы: систематический анализ глобального бремени болезней, травм и факторов риска.Журнал стоматологических исследований, 96 (4), 380–387. DOI: http://doi.org/10.1177/0022034517693566

Френкен, Дж. Э., Шарма, П., Стенхаус, Л., Грин, Д., Лаверти, Д., Дитрих, Т. (2017). Глобальная эпидемиология кариеса зубов и тяжелого пародонтита — всесторонний обзор. Журнал клинической пародонтологии, 44, S94 – S105. DOI: http://doi.org/10.1111/jcpe.12677

Безвушко, Е.В., Лахода, Л.С. (2017). Твердые ткани зубов у детей г. Луцка. Актуальные проблемы сучасной медицины: Вестник украинской медицинской стоматологической академии, 17 (2 (58)), 232–235.

Задорожна И. В., Поворознюк В. В. (2014). Распространенность и выраженность кариеса зубов среди детей в Украине: данные клинико-эпидемиологических исследований. Бил. Сухлоби. Хребет, 1-2 (13-14), 26–29.

Сеннеби, А., Мехар, И., Сахлин, Н.-Э., Свенсетер, Г., Рохлин, М. (2015). Диагностическая точность различных методов оценки риска кариеса. Систематический обзор. Журнал стоматологии, 43 (12), 1385–1393. DOI: http://doi.org/10.1016/j.jdent.2015.10.011

Зуканович, А.(2013). Модели оценки риска кариеса в прогнозировании кариеса. Acta Medica Academica, 42 (2), 198–208. DOI: http://doi.org/10.5644/ama2006-124.87

Окушко В. Р. (2005). Основы физиологии зубов. Тирасполь: Изд-во Приднестровье. ун-та, 240.

Омар, Д., Дуарте, К. (2018). Применение параметров для комплексной эстетики улыбки с помощью программ цифрового дизайна улыбки: обзор литературы. Саудовский стоматологический журнал, 30 (1), 7–12. doi: http://doi.org/10.1016/j.sdentj.2017.09.001

Альбуха Аль-Муссави, Р. М., Фарид, Ф. (2016). Компьютерные технологии в стоматологии: виды и применение. Журнал стоматологии, 13 (3), 215–222.

Шах, П., Кендалл, Ф., Хозин, С., Гусен, Р., Ху, Дж., Ларами, Дж. И др. al. (2019). Искусственный интеллект и машинное обучение в клинической разработке: трансляционная перспектива. Npj Digital Medicine, 2 (1). DOI: http://doi.org/10.1038/s41746-019-0148-3

Хан, С.-Х., Ким, К.В., Ким, С., Юн, Ю.С. (2018). Искусственная нейронная сеть: понимание основных понятий без математики. Деменция и нейрокогнитивные расстройства, 17 (3), 83–89. DOI: http://doi.org/10.12779/dnd.2018.17.3.83

Удод О.А., Воронина Х.С. (2017). Пат. № 118523 UA. Спосиб определения функциональной компоненты структурно-функциональной кислотности эмали зубов. МПК: G01N 21/91, A61C 17/00. № u201702237; заявлено: 10.03.2017; опубликовано: 10.08.2017, Бюл. № 15.

Обследование полости рта: основные методы.5-е изд. Всемирная организация здравоохранения (2013 г.). Доступно по адресу: http://www.who.int/oral_health/publications/9789241548649/en/

% PDF-1.7 % 139 0 объект > эндобдж xref 139 96 0000000016 00000 н. 0000002992 00000 н. 0000003220 00000 н. 0000003261 00000 н. 0000003296 00000 н. 0000003905 00000 н. 0000004020 00000 н. 0000004135 00000 п. 0000004250 00000 н. 0000004365 00000 н. 0000004480 00000 н. 0000004595 00000 н. 0000004709 00000 н. 0000004814 00000 н. 0000004919 00000 н. 0000005026 00000 н. 0000005134 00000 п. 0000005241 00000 п. 0000005349 00000 п. 0000005429 00000 н. 0000005509 00000 н. 0000005589 00000 н. 0000005668 00000 н. 0000005747 00000 н. 0000005827 00000 н. 0000005905 00000 н. 0000005984 00000 п. 0000006063 00000 н. 0000006143 00000 п. 0000006222 00000 п. 0000006301 00000 п. 0000006379 00000 п. 0000006456 00000 н. 0000006534 00000 н. 0000006612 00000 н. 0000006691 00000 н. 0000006769 00000 н. 0000006850 00000 н. 0000006930 00000 н. 0000007010 00000 п. 0000007090 00000 н. 0000007844 00000 н. 0000008468 00000 н. 0000008881 00000 н. 0000009406 00000 п. 0000009770 00000 н. 0000010105 00000 п. 0000010183 00000 п. 0000011189 00000 п. 0000011355 00000 п. 0000011547 00000 п. 0000012880 00000 п. 0000013038 00000 п. 0000013237 00000 п. 0000014441 00000 п. 0000014781 00000 п. 0000016031 00000 п. 0000016988 00000 п. 0000017941 00000 п. 0000018283 00000 п. 0000019228 00000 п. 0000020269 00000 п. 0000025886 00000 п. 0000026170 00000 п. 0000029762 00000 п. 0000033548 00000 п. 0000033939 00000 п. 0000067206 00000 п. 0000086917 00000 п. 0000088287 00000 п. 0000088517 00000 п.