Ретенционная киста зуба: Удаление ретенционной кисты в СПб по выгодной цене

Зуб

Содержание

Удаление ретенционной кисты губы в Москве

Удаление ретенционной кисты губы в Москве — цена в стоматологии

Процедура

Обнаружение новообразования в виде ретенционной кисты внутри полости рта: на губе, на небе, щеке или под языком вызывает у пациентов серьезные беспокойства. Полупрозрачная, шарообразная субстанция может разрастаться из слюнной железы на слизистых тканях, лопаться с выделением жидкости и возникать вновь.

Аномальные изменения слюнных протоков могут вызвать травмы, различные опухоли, абсцессы. В результате проходы могут удлиняться, сужаться, сдавливаться приводя к нарушению оттока слюны. Для предотвращения распространения патологии и появления воспалительных проблем требуется незамедлительного оперативное удаление ретенционной кисты.

Записаться на консультацию

СТОИМОСТЬ

Что такое ретенционная киста

Образование кистообразной патологии на слизистых тканях рта характерно для людей обоих полов и разного возраста, но особенно для детей до 12 лет, которые наиболее подвержены травматизму и несоблюдению гигиены полости рта.

Исключение составляют младенцы до года с употребление материнского и протертого питания.

Очаговая концентрация слюны (мукоцеле) приводит к образованию ретенционной кисты на слизистой оболочке полости рта. Это, как правило, доброкачественное с округлой формой опухолевидное новообразование. Широкое основание кисты с диаметром 0,3 мм может разрастаться на слизистых тканях внутри рта до 2 см в диаметре.

Капсула из соединительной ткани с полупрозрачными утонченными стенками, с оттенком слизистой оболочки, содержит вещество подобное вязкой, густой слюне. Некрупный, мягкий шарик может возникать на поверхностях слизистых тканей рта: на щеке, на небе, на и под языком или не нижней губе.

Характерно, что новообразование не проявляет болевых ощущений, но у пациента при приеме пищи, во время разговора возникают раздражающие неудобства. Тонкая стенка разросшейся ретенционной кисты может лопнуть и содержимое вытечет, но наполнится вновь и воспалится.

Причины

Симптомы

Диагностика и лечение

Причины появления ретенционной кисты

У человека в полости рта кроме трех основных парных желез подъязычная, подчелюстная и околоушная вырабатывающих слюну, также располагается до 1000 мелких. Секрет, выделяемый из слюнной железы через открытый тонкий проток на поверхности слизистой оболочки, попадает в полость рта. По разным причинам, в том числе из-за проникновения частиц пищи, эпидермиса, бактериального налета, канал вывода слюны закупоривается, и выделяемая железой жидкая субстанция накапливается. Растянутые стенки протоки образуют ретенционную кисту.

Причинами закупорки выводного канала слюнных желез могут стать механические повреждения, в результате прижимания. Провоцируют травмирование слизистых оболочек в полости рта следующие факторы:

ожоги от горячего;
твердая, острая пища;

плохо обработанные поверхности пломб;
неправильный прикус;
кариозная полость с острыми краями;
использование инородные предметы.

Еще одной причиной образования кисты может стать патология — атрезия протока. Представляет собой атрофию или отсутствие самого выводного протока. Врожденное новообразование провоцируется плохой наследственностью, что приводит к физиологическим нарушениям выделений из слюнных желез. Причины врожденной патологии в медицине малоизучены. Перед лечением ретенционной кисты в клинике необходимо обследовать ротовую полость пациента и выявить причину появления капсулы. Стоматолог устраняет установленный фактор, травмирующий слюнную железу, для избежания повторного нарастание.

Симптомы

Определить наличие ретенционной кисты стоматолог может визуально. К основным симптомам относят:

Появление в полости рта новообразования в виде подвижного шарика, который обнаруживают при помощи пальпации пораженного места.
При нажатии на прозрачную капсулу она погружается в слизистую поверхность, а при отпускании возникает вновь.
Место формирования новообразование чаще всего появляется внутри полости рта на нижней губе, на и под языком. Реже на щеке или на небе.
Киста может быстро вырасти до 2 см.
При отсутствии признаков воспаления внутри капсулы болезненные ощущения отсутствуют.

Ретенционная киста больших размеров мешает пациенту при приеме пищи, создает дискомфорт при разговоре. Различные травмы могут привести к разрыву стенок, и накопленная жидкость выделится в область рта. Образованная рана зарастет, но на ее месте возникнет новая киста. При попадании внутрь капсулы инфекции может начаться воспалительный процесс.

Диагностика

На приеме врач проводит визуальный осмотр полости рта пациента и производит пальпацию патологии, обнаруженной на слюнной железе. После изучения симптоматики и установления причин возникновения капсулы на слизистых тканях стоматолог диагностирует наличие ретенционной кисты.

Для подтверждения диагноза пациенту прописывают дополнительное инструментальное обследование. По результатам КТ, УЗИ назначают операцию, а материал жидкости обязательно направляют на гистологическое исследование в лабораторию для исключения злокачественного образования.

Самостоятельное избавление от ретенционной кисты категорически запрещено. Самолечение может вызвать серьезные воспалительные последствия.

Лечение ретенционной кисты

После установления у пациента диагноза развития ретенционной кисты на губе, на и под языком, а также на щеках или на небе, новообразование подлежит удалению оперативным методом.

Такая операции не вызывает у специалиста затруднений и проводится в амбулатории по следующему алгоритму:

Применяют инфильтрационную анестезию с введением подслизистую ткань анестетик для обезболивания небольшого участка вокруг удаляемой капсулы.
Скальпелем наносят полуовальные разрезы по бокам новообразования или с применением лазера и без разреза тканей.
Применяя хирургический зажим, отделяют капсулу кисты от здоровой слизистой ткани или с выпариванием жидкости под воздействием лазерных излучений.
Используя специальные операционные нити на рану, накладывают швы, которые в течении недели рассасываются.
Назначают повторный прием для проведения контроля за ходом послеоперационного заживления.

После удаления ретенционной кисты на губе, на щеках или на небе необходимо соблюдать правила гигиены полости рта с особой осторожностью, внимательностью и обрабатывать область раны антисептическим раствором. Это позволит ускорить процесс заживления и предотвратить попадания инфекции.

В клинике SmileLand в Москве применяют лазерные технологии для хирургического лечения ретенционной кисты. Лазерное удаление новообразования со слизистых тканей в полости рта под местной анестезией позволяет обеспечить стерильность вмешательства, снизить отечность, что приводит к более быстрому заживлению раны.

Наши врачи

Аветисян Армен Араевич

Главный врач клиники, кандидат медицинских наук, врач стоматолог-ортопед, терапевт

Михалева Анна Сергеевна

Детский врач-стоматолог

Елизарова Юлия Евгеньевна

Врач стоматолог терапевт

НАШИ РАБОТЫ

Наша клиника

ЧАСТЫЕ ВОПРОСЫ

Больно ли удалять разрушенный зуб?

Нет. Один-два укола в десну и операция пройдет абсолютно безболезненно. При необходимости место укола обезболивается аппликацией с лидокаиновым гелем.

Как себя вести после удаления зуба?

не принимайте пищу в течение минимум 2 часов; в течение 2-4 дней избегайте тяжелых физических нагрузок, курения, употребления алкоголя, горячих ванн; не трогайте лунку языком; не чистите зубы в первый день после операции; не полоскайте область удаления (если иное не прописано врачом) несколько дней после хирургического вмешательства пережевывайте здоровой стороной, чтобы не травмировать десну; вовремя принимайте назначенные лечащим врачом обезболивающие препараты и антибиотики; делайте холодные компрессы каждые 2 часа по 15-20 минут в течение первых суток после операции; придите к врачу на послеоперационный осмотр через 2-3 дня.

Как быстро проходит заживление после операции?

После простой экстракции заживление протекает достаточно быстро: образуется кровяной сгусток в лунке; на 3 день лунка затягивается грануляционной тканью; через 7-8 суток образуется новый слой эпителия; на 14-18 день формируется костная ткань; в течение месяца костная ткань нарастает от краев к центру лунки; через 3 месяца кость полностью заполняет лунку. Однако после сложного удаления зуба процесс заживления проходит медленнее. Только на 20-30 день формируется новый слой эпителия. На 4-6 месяц лунка заполняется костной тканью.

Наши довольные пациенты

ОТЗЫВЫ НАШИХ КЛИЕНТОВ

Прекрасные врачи Лилит и Армен! Несколько лет лечусь в этой клинике. Профессионалы высшего уровня!!! Чуткие,, внимательные, доброжелательные и отзывчивые специалисты, всегда готовые помочь в самых сложных ситуациях! КЛИНИКА будущего!!! Восхищаюсь!

Александр Наймук

Команда высококлассных специалистов не раз выручала семью. Наследственность и неправильный образ жизни к 20и годам сделали из моих зубов решето. Когда боль уже было невозможно терпеть обратился к Лилит Гамлетовне. Огромнейшее спасибо всей команде, Армену Араевичу, Вагану Арутюновичу и конечно же Лилит за проделанную кропотливую и очень сложную работу по спасению моей улыбки.

Дмитрий Зуев

Спасибо, что смогли спасти мой зуб. С самых первых дней карантина никого не могла найти, или районные поликлиники или космические цены. Но мои кривые каналы можно было перелечить только под микроскопом. И о чудо, за три недели кисты нет, ничего не болит. Премиум качество по вполне разумным ценам. Я всех ВАС рекомендую.

Мирослава Куриляк

Много лет мы всей семьей лечимся только у вас! Профессиональный подход позволяет нам видеться крайне редко). После того, как много лет назад мы все пролечили раз в год приходим на проф чистку, иногда что то лечим и все. Мы здоровы и счастливы! СПАСИБО!

Андрей Зиньков

ДРУГИЕ УСЛУГИ

Лечение зубов Отбеливание зубов Профессиональная гигиена Имплантация зубов Виниры и люминиры Детская стоматология Удаление зубов Исправление прикуса Протезирование зубов

Слизистая ретенционная киста — лечение, симптомы, цены от Sdent

Слизистая ретенционная киста проявляется в виде небольших мягких «шариков», образующихся под слизистой оболочкой полости рта. Представляет собой капсулу из соединительной ткани, заполненную полупрозрачным содержимым с голубоватым оттенком. Имеет четкие границы и слегка возвышается над мягкими тканями, поэтому ее можно обнаружить и самостоятельно. Как правило, киста образуется на нижней губе из-за ее частого надкусывания, но может локализоваться также на слизистых щек, на нижней поверхности языка или на небе. Это доброкачественное образование, которое возникает как у женщин, так у мужчин вне зависимости от возраста. Однако киста имеет тенденцию к разрастанию и с течением времени начинает доставлять дискомфорт, поэтому врачи рекомендуют не затягивать с ее удалением.

Основные причины

Киста развивается по причине того, что выводной канал малой слюнной железы закупоривается, и в ней начинает накапливаться жидкость. Этот проток очень мал и уязвим, поэтому повредить его легко. Больной не чувствует ни боли, ни особого дискомфорта, пока накапливаемая из-за закупорки жидкость (слюна) многократно не увеличивает размеры железы. В результате киста может доходить в диаметре до 1.5-2 см. В некоторых случаях ее оболочка может прорываться, но впоследствии киста образуется повторно.

Таким образом, самым главным провоцирующим фактором являются механические повреждения и травмы, к которым относятся также термические ожоги. Спровоцировать кисту может целый ряд факторов: часто употребление слишком горячей и острой пищи, ковыряние в зубах зубочистками, закусывание губы, чрезмерное курение, ношение неудобных зубных протезов и брекетов. Если травмирование постоянное, то это первый шаг к тому, что будет поврежден выводной канал слюнной железы. К образованию слизистой ретенционной кисты могут привести и физиологические факторы – атрофия протоков и некоторые врожденные патологии.

Соответственно, профилактика кисты заключается в избавлении от вредных привычек и предотвращении травм и ожогов. Необходимо также соблюдать гигиену полости рта, вовремя приходить на профилактические осмотры после лечения и протезирования зубов, посещать стоматолога для шлифовки острых краев зубов. Все эти несложные рекомендации позволят избежать образования кисты.

Диагностика и лечение

Определить кисту можно как визуально, так и при пальпации. При надавливании «шарик» исчезает, но через короткое время появляется вновь. Однако для подтверждения диагноза и исключения подозрения на злокачественное образование проводятся дополнительные мероприятия. Это, в частности, зондирование протока железы, УЗИ железы и сиалография – рентгенологическое исследование слюнных протоков. Для постановки окончательного диагноза проводят гистологию материала, взятого после удаления кисты.

Наши врачи категорически не рекомендуют заниматься самолечением, пытаясь проколоть кисту, прижечь ее или выдавить содержимое. Это может привести к более серьезным последствиям – к проникновению инфекции, воспалению, образованию спаек. Лечение слизистой ретенционной кисты сегодня достаточно эффективно, поэтому лучше сразу обратиться к врачу, который выполнит ее хирургическое удаление. Сама процедура носит название цистэктомия и заключается в полном удалении кисты и ее содержимого из мягких тканей под местной анестезией. Для этих целей используются как традиционные, так и более современные методы. К традиционным относится удаление обычным скальпелем, однако могут применяться также лазер, ультразвуковой или радиочастотной скальпель.

Запишитесь на прием к врачу, заполнив онлайн форму

Выберите врачаМамедов Илгам ВагифовичИванова Юлия АндреевнаАскеров Рустам НазимовичАршинский Никита ИгоревичМогинов Данис РаисовичКраснова Елена ВладимировнаКорнильев Максимилиан НикитовичМамедов Халил ИлгамовичМанукян Александр БагратовичМихайлова Наталья АлександровнаМингалиев Мурад РасуловичНоводворская Ольга ВячеславовнаТоргашева Елена СергеевнаШирналиев Ульви РамизовичМицкевич Яна ДмитриевнаМихайлова Елена ВладимировнаСолдатов Алексей СергеевичГаджикулиева Азиза КамоловнаПрозорова Екатерина Михайловна

Выбрите вид приемаКонсультация врачаЛечение

Я согласен с условиями обработки персональных данных

Слизистая ретенционная киста Причины, симптомы и особенности удаления

Слизистая ретенционная киста как заболевание проявляется в виде небольшого мягкого шарика, образующегося под слизистой оболочкой полости рта.

Это доброкачественное образование, встречающееся как у женщин, так и у мужчин независимо от возраста. Киста представляет собой мягкое, круглое, безболезненное образование, покрытое тонкой слизистой оболочкой, со светло-желтым вязким содержимым. Он имеет четкие границы и незначительно выделяется на фоне мягких тканей, поэтому его можно обнаружить без посторонней помощи. Как правило, ретенционная киста во рту чаще всего образуется на нижней губе из-за частого ее прикусывания, но также поражает мелкие слюнные железы щек и неба. Это заболевание может некоторое время протекать бессимптомно и безболезненно, но оно имеет тенденцию к нарастанию и со временем приводит к хроническим головным болям, заложенности носа и головокружениям. Поэтому врачи рекомендуют не затягивать с удалением слизистой ретенционной кисты.

Это образование имеет вполне физиологические причины, влияющие на дальнейшее развитие болезни.

Ретенционная киста верхней челюсти развивается из-за закупорки канала малой слюнной железы, и в нем начинает скапливаться жидкость. Этот проток очень мал и уязвим, поэтому его можно легко повредить. Пациент не чувствует боли или сильного дискомфорта до тех пор, пока жидкость (слюна), скопившаяся из-за закупорки, многократно не увеличит размер железы. В некоторых случаях ее оболочка может прорваться, но впоследствии киста образуется повторно. Таким образом, важнейшим провоцирующим фактором являются механические повреждения и травмы, к которым относятся и термические ожоги. Несколько других факторов могут спровоцировать образование небольшая слизистая ретенционная киста : частое употребление слишком горячей и острой пищи, ковыряние в зубах зубочистками, прикусывание губ, чрезмерное курение, ношение неудобных зубных протезов и брекетов, инфекционные заболевания полости рта и носоглотки. Физиологические факторы, такие как атрофия протоков и некоторые врожденные патологии, также могут привести к образованию кисты.

Независимо от причины возникновения кисты лечение следует начинать с посещения стоматолога и постановки правильного диагноза.

ретенционная киста может определяться как визуально, так и пальпаторно. «Шар» исчезает при небольшом надавливании, но через короткое время снова появляется. Однако для подтверждения диагноза и исключения подозрения на злокачественное образование проводят дополнительные мероприятия, например, ультразвуковое исследование. Благодаря этой процедуре удается определить размеры новообразования, точную локализацию и подтвердить окончательный диагноз.

Часто первым симптомом слизистой ретенционной кисты является дискомфорт при пережевывании твердой пищи. При обострении заболевания больные часто жалуются на сильную боль. Причиной перехода в фазу обострения может быть ослабление иммунной системы, рецидивы хронических заболеваний, переохлаждение, инфекции, а также прием некоторых лекарственных препаратов. Обострение может сопровождаться следующими симптомами:

Боль при жевании;
Опухание лица в области поврежденного участка;
Повышенная температура тела;
Общее недомогание;
Увеличение размеров и болезненность лимфатических подчелюстных шейных лимфатических узлов.

Успех лечения слизистой ретенционной кисты зависит от того, насколько рано она обнаружена.

Именно поэтому стоматологи рекомендуют своевременно проходить профилактические осмотры. Суть лечения заключается в оперативном вмешательстве; врач делает полное удаление ретенционной кисты и ее содержимого под местной анестезией. Перед процедурой проводится предварительное ознакомление с наличием аллергии на лекарственные препараты, а также может быть проведено дополнительное УЗИ или цитологическое исследование новообразования.

Во время операции вводят местный анестетик и производят разрез слизистой оболочки над областью локализации небольшой ретенционной кисты. Затем врач удаляет образование из ткани и делает дренаж. После операции послойно накладывают тонкие швы, которые полностью рассасываются через пять-семь дней, а также накладывают антисептическую повязку.

На сегодняшний день существует и альтернативный метод лечения ретенционных кист – лазеротерапия. Это считается более безопасной формой лечения и выполняется в течение получаса. Осложнений в послеоперационном периоде практически не регистрируют, окончательное выздоровление наступает через месяц. Рецидивы новообразований появляются в редких случаях. Однако, чтобы избежать образования кисты, стоит придерживаться профилактических правил:

Отказ от курения;
Исключение из повседневного рациона острой пищи, обжигающих напитков;
Избавление от привычки прикусывать губы, щеки, язык;
Своевременная санация полости рта;
Подбор подходящих брекетов и зубных протезов;
Предотвращение травм, химических ожогов губ

Соблюдение мер профилактики позволит предотвратить развитие кист и сохранить здоровье слизистой оболочки полости рта.

Ретенционная киста слизистой оболочки — заболевание, поражающее любой возраст, независимо от пола. Нарушения правил гигиены полости рта, вредные привычки, постоянное прикусывание губ – все это приводит к закупорке слюнных желез и появлению новообразований. Если вы хотите сохранить здоровье полости рта, не пренебрегайте хорошей гигиеной полости рта и своевременным посещением стоматолога.

Автоматическая диагностика ретенционной псевдокисты верхнечелюстной пазухи на панорамных рентгенограммах с использованием алгоритма сверточной нейронной сети

Введение

Верхнечелюстная пазуха представляет собой самое большое заполненное воздухом пространство вокруг носа и занимает большую часть верхнечелюстной кости ¹ . Поскольку верхнечелюстная пазуха расположена близко к зубам, ее оценка играет важную роль в стоматологии ² . Ретенционные псевдокисты (слизистые ретенционные кисты или псевдокисты) в верхнечелюстной пазухе возникают при множественных связанных состояниях, приводящих к развитию кистоподобных поражений, не выстланных эпителием ³ . Эти поражения представляют собой хорошо очерченные, куполообразные, полусферические или круглые рентгеноконтрастные образования на панорамных рентгенограммах ⁴, и их часто путают с кистами или опухолями. Ретенционные псевдокисты рассасываются спонтанно и не требуют лечения ⁵ , но кисты или опухоли требуют хирургического вмешательства; поэтому очень важна дифференциальная диагностика.

Первичная оценка верхнечелюстной пазухи проводится с помощью панорамных снимков в стоматологических клиниках. Поскольку панорамные рентгенограммы представляют собой двухмерные изображения, иногда бывает сложно точно оценить верхнечелюстную пазуху из-за наложения нескольких структур, неравномерного увеличения и искажения ^6,7,8 . Ретенционные псевдокисты могут быть ошибочно приняты за кисты и опухоли, и эти ошибки особенно часты среди неопытных стоматологов или тех, кому необходимо диагностировать множество изображений за короткий промежуток времени. Точная диагностика ретенционных псевдокист важна, потому что ошибочная диагностика псевдокист как кист или опухолей может увеличить лучевую нагрузку на пациента и затраты из-за необходимости дополнительных методов визуализации, таких как компьютерная томография (КТ).

В области стоматологии было проведено множество исследований на основе искусственного интеллекта (ИИ) с использованием сверточных нейронных сетей (СНС) на панорамных рентгенограммах ^9,10,11 , а также сообщалось о нескольких исследованиях верхнечелюстных пазух ^12,13,14 . Кувана и др. ¹² разработал модель DetectNet, которая классифицирует пазухи как здоровые, воспаленные или содержащие кисту или опухоль, но это исследование включало псевдокисты в группу кист. В других исследованиях ^13,14 были предложены модели для различения здоровых и воспаленных пазух. Тем не менее, ни в одном исследовании еще не проводилось дифференцирование ретенционных псевдокист.

Таким образом, мы предположили, что верхнечелюстная пазуха может быть автоматически диагностирована в новую категорию (здоровая, ретенционная псевдокиста и киста или опухоль) на панорамных рентгенограммах с использованием модели CNN. Основной целью данного исследования была разработка модели глубокого обучения для автоматической классификации ретенционных псевдокист в верхнечелюстных пазухах на панорамных рентгенограммах с использованием алгоритма EfficientDet.

Материалы и метод

Субъекты

Это исследование было одобрено Наблюдательным советом стоматологической клиники Университета Йонсей (№ 2-2022-0020) и проводилось в соответствии с этическими нормами и рекомендациями. Требование об информированном согласии было отменено Институциональным наблюдательным советом стоматологической больницы Университета Ёнсе из-за ретроспективного характера исследования, и все данные в этом исследовании были использованы после анонимизации.

Всего в это исследование было включено 213 пациентов, которые посетили стоматологическую клинику Университета Ёнсе с декабря 2016 года по декабрь 2021 года и прошли как панорамную рентгенографию, так и КТ или конусно-лучевую компьютерную томографию (КЛКТ). 426 верхнечелюстных пазух были разделены на следующие три группы; здоровые (261 пазуха), ретенционная псевдокиста (86 пазух) и киста или опухоль (79синусы). Здоровые верхнечелюстные пазухи определялись как слизистые оболочки с утолщением менее 4 мм по данным КТ или КЛКТ при отсутствии клинических симптомов, как сообщает Murata et al. ¹³ . Группа ретенционных псевдокист состояла из случаев с куполообразными мягкими тканями на КТ или КЛКТ, а группа кист или опухолей состояла из случаев, содержащих корешковую кисту, зубочелюстную кисту, одонтогенную кератоцисту, послеоперационную кисту верхней челюсти или амелобластому. Все случаи кист и опухолей были диагностированы гистопатологически после операции.

Подготовка наборов данных изображений

Панорамные рентгенограммы были получены с использованием двух различных типов оборудования: RAYSCAN Alpha (Ray Co., Ltd., Хвасон-си, Корея) и PaX-i3D Green (Vatech Co., Ltd., Хвасон -си, Корея). Все панорамные изображения размером 2993 (ширина) $\×$ 1500 (высота) пикселей были экспортированы в растровый формат. Три разные группы (здоровые, ретенционная псевдокиста и киста или опухоль) были разделены на классы 0, 1 и 2. Распределение верхнечелюстных пазух в обучающих, проверочных и тестовых наборах данных в предлагаемой модели подробно представлено в таблице. 1.

Таблица 1 Количество верхнечелюстных пазух в наборах обучающих, проверочных и тестовых данных.

Полноразмерная таблица

Наборы данных для обучения и проверки были дополнены с использованием различных методов, таких как вращение, масштабирование, обрезка, смещение и изменение яркости, чтобы предотвратить переоснащение из-за ограниченных наборов данных ¹⁵ . В результате наборы данных для обучения и проверки были увеличены в пять раз (одно исходное и четыре дополненных изображения каждого панорамного изображения).

Разработка и оценка модели

Разработана модель на основе алгоритма EfficientDet для автоматической классификации верхнечелюстной пазухи на панорамных рентгенограммах. EfficientDet, алгоритм CNN для обнаружения объектов, был впервые предложен Tan et al. ¹⁶ и содержит восемь структур моделей (EfficientDet-D0–EfficientDet-D7). Алгоритм EfficientDet использует алгоритм EfficientNet (EfficientNet-B0–EfficientNet-B7) в качестве магистральной сети и потери Хубера и фокальные потери в качестве функций потерь. Пирамидальная сетевая структура с двумя признаками, которая впервые была предложена в алгоритме EfficientDet, позволяет проводить обучение, находя важные признаки в различных масштабах слияния при изменении весов в зависимости от разрешения. Алгоритм EfficientDet показал хорошие результаты на медицинских изображениях ^17,18,19 , но в стоматологии было проведено несколько исследований ²⁰ с использованием этого алгоритма. В этом исследовании мы разработали модель на основе алгоритма EfficientDet-D4 ¹⁶ для идентификации верхнечелюстных пазух с их классами с учетом доступности ограниченных вычислительных ресурсов (рис. 1а).

Рисунок 1

Архитектура модели и аннотация. Общая архитектура предлагаемой модели от EfficientDet-D4 ( и ). Conv, сверточная сеть; MBConv, мобильный сверточный блок с перевернутым узким местом; BIFPN, двухфункциональная пирамидальная сеть. Примеры аннотированных панорамных рентгенограмм и аннотационной информации ( б ). Синие прямоугольники указывают на класс 0 (здоровый), красный прямоугольник указывает на класс 1 (ретенционная псевдокиста), а желтый прямоугольник указывает на класс 2 (киста или опухоль). Информация состояла из местоположения, представленного как верхний левый (X ₁, Y ₁) и нижний правый (X ₂, Y ₂), и каждого имени класса.

Полноразмерное изображение

Модель нуждалась в информации о наборах данных для обучения и проверки, например, о местонахождении и имени класса наземной истины. Стоматолог-рентгенолог с более чем 20-летним опытом аннотировал интересующую прямоугольную область, включая верхнечелюстные пазухи, соответствующим названием класса (класс 0, 1 и 2) с помощью инструмента графического аннотирования изображений LabelImg (версия 1.8.4, доступно на https ://github.com/tzutalin/labelImg). Из аннотаций значения координат верхнего левого угла (X ₁ , Y ₁ ) и нижний правый (X ₂ , Y ₂ ) и классы верхнечелюстных пазух были извлечены для обучения и проверки наборов данных. Синие, красные и желтые прямоугольники представляют аннотированные пазухи класса 0 (здоровые), класса 1 (ретенционная псевдокиста) и класса 2 (киста или опухоль) соответственно (рис. 1b). Извлеченная информация вместе с входными изображениями использовалась в процессе обучения модели.

Размеры панорамных рентгенограмм были изменены до 512 (ширина) × 256 (высота) пикселей, и модель была обучена 200 раз с использованием наших наборов данных для обучения и проверки с использованием предварительно обученных весов из набора данных COCO в качестве начальных весов. Когда обученная модель обнаруживает и классифицирует пазуху, она выводит изображение, помеченное прямоугольником разного цвета для каждого класса (здоровый: синий, ретенционная псевдокиста: красный, киста или опухоль: желтый) в обнаруженной области. Если синус не был обнаружен, он предоставлял входное изображение без рамки. Считалось, что обученная модель правильно предсказала синусы только в том случае, если значение пересечения по объединению (IoU) между обнаруженной областью и наземной истиной составляло 0,5 или выше ²¹ . После обучения модели 200 раз производительность обученной модели была подтверждена в соответствии с тем, был ли каждый класс точно обнаружен и классифицирован в тестовом наборе данных с использованием следующей формулы.

$$\mathrm{Обнаружение}\,\mathrm{точность}=\frac{\mathrm{Число}\,\mathrm{из}\,\mathrm{правильно}\,\mathrm{обнаружено}\, \mathrm {и}\,\mathrm{классифицированный}\,\mathrm{верхнечелюстной}\,\mathrm{пазухи}\,\mathrm{в}\,\mathrm{каждый}\,\mathrm{класс}}{\mathrm{ Всего}\,\mathrm{число}\,\mathrm{из}\,\mathrm{верхнечелюстной}\,\mathrm{пазухи}\,\mathrm{в}\,\mathrm{каждый}\,\mathrm{класс }}$$

Рабочие характеристики модели также оценивались в соответствии с классификацией для руководства в отношении дополнительной визуализации или хирургического вмешательства; киста или опухоль по сравнению со здоровыми, киста или опухоль по сравнению с ретенционной псевдокистой и киста или опухоль по сравнению со здоровой и ретенционной псевдокистой. Все эксперименты проводились на Ubuntu 18. 04 с фреймворками Keras (версия 2.4.3) и TensorFlow (версия 2.4.1) с использованием видеокарты NVIDIA TITAN Xp.

Результаты

Таблица 2 показывает точность обнаружения предложенной модели. Точность обнаружения для классов 0, 1 и 2 составила 98%, 81% и 90% соответственно, что дает общую точность 92%. Матрица классификации модели с использованием тестового набора данных показана на рис. 2.

Таблица 2. Эффективность модели для классификации верхнечелюстной пазухи.

Полноразмерная таблица

Рисунок 2

Матрица классификации тестового набора данных.

Полноразмерное изображение

В таблице 3 представлены диагностические характеристики модели в соответствии с классификацией для руководства по дополнительной визуализации или хирургическому вмешательству. Точность классификации между группой кисты или опухоли и здоровой группой, а также между группой кисты или опухоли и группой ретенционной псевдокисты показала 98% и 95% соответственно. При реклассификации в соответствии с необходимостью лечения модель, классифицированная на группу кисты или опухоли и оставшиеся две группы (здоровая и ретенционная псевдокиста), дала точность 96 %, чувствительность 90 % и специфичность 98 %. На рис. 3 показаны примеры синусов, автоматически классифицируемых моделью EfficientDet.

Табл. 3. Характеристики модели для руководства в отношении дополнительной визуализации или хирургического вмешательства.

Полноразмерный стол

Рисунок 3

Примеры синусов, классифицированных по модели. Левая сторона каждого случая представляет собой исходную панорамную рентгенограмму с аннотированными прямоугольниками (сплошная линия), а правая сторона каждого случая представляет собой результирующую панорамную рентгенограмму с предполагаемыми прямоугольниками (пунктирная линия) разного цвета для каждого класса (здоровые: синий, ретенционный псевдокиста: красный, киста или опухоль: желтый). Примеры обнаруженных моделью синусов с правильными классами ( a , b ). Примеры обнаруженных моделью синусов с неправильными классами ( c – e ). В правых верхнечелюстных пазухах ретенционная псевдокиста была неправильно предсказана как киста или опухоль ( c ), киста или опухоль была неправильно предсказана как ретенционная псевдокиста ( d ), а киста или опухоль были неправильно предсказаны как здоровые ( и ).

Изображение в натуральную величину

Обсуждение

В настоящем исследовании предложена модель CNN для автоматической классификации ретенционных псевдокист в верхнечелюстных пазухах на панорамных рентгенограммах. Предложенная модель достигла точности обнаружения 81% для диагностики ретенционных псевдокист. Для обнаружения и диагностики пазух с использованием трех классов (здоровые, ретенционная псевдокиста и киста или опухоль) предложенная модель достигла высокой общей диагностической точности (92%).

Панорамная рентгенография широко используется в качестве метода скрининга в обычной стоматологической практике и является важным инструментом для оценки и диагностики верхнечелюстных пазух ^8,22 . Однако из-за ограничений визуализации, таких как перекрывающиеся анатомические особенности, размытость и искажение, диагностика заболевания пазух с помощью панорамной визуализации иногда ограничена даже для опытных стоматологов-рентгенологов ²³ .

Недавние исследования разработали модели глубокого обучения в качестве диагностических средств на основе медицинских ^24,25,26 и изображения зубов ^11,27,28 . В стоматологии алгоритмы глубокого обучения обычно применяются к панорамным рентгенограммам ^9,11,29 , а в исследованиях предпринимались попытки автоматической диагностики пазух носа на панорамных рентгенограммах ^12,13,14 . Кувана и др. ¹² предложил модель глубокого обучения с использованием DetectNet, которая была разработана для обнаружения здоровых пазух, воспалительных пазух и пазух с кистами или опухолями, и сообщила о надежной точности (98–100%). Тем не менее, они классифицировали ретенционную псевдокисту как кисту, и точность группы здоровых людей по сравнению с группой всех поражений (воспалительные пазухи и пазухи с кистами или опухолями) составила 89%. В клинических ситуациях важно различать ретенционные псевдокисты, не требующие лечения, и кисты или опухоли, требующие хирургического вмешательства. Ретенционные псевдокисты иногда ошибочно диагностируются как кисты или опухоли на панорамных рентгенограммах, что требует дополнительных КТ-сканирований или направления в университетскую больницу. В других предыдущих исследованиях ^13,14 были разработаны модели для дифференциации здоровых и воспаленных пазух (гайморит) с клиническими симптомами с использованием алгоритмов DetectNet и AlexNet соответственно, и точность составила 87,5% ¹³ и 88,8% ¹⁴ . Воспаление пазухи проявляется различной степенью утолщения слизистой оболочки, но диагноз синусита зависит скорее от клинических проявлений, чем от визуализации. Поэтому в этом исследовании была предпринята попытка разработать модель глубокого обучения на основе алгоритма EfficientDet с новой классификацией пазух (здоровые, ретенционная псевдокиста и киста или опухоль), учитывая важность дифференциальной диагностики ретенционной псевдокисты. Мы также оценили точность модели для различения группы кисты или опухоли и здоровой группы, а также между группой кисты или опухоли и группой ретенционной псевдокисты, чтобы решить вопрос о необходимости дополнительного лечения. Точность различения группы кисты или опухоли и здоровой группы составила 9.8%, аналогично существующим исследованиям (97–100%) ¹² , а точность различения группы кисты или опухоли и группы ретенционной псевдокисты составила 95%. Поэтому мы ожидаем, что эта модель будет полезна для скрининга пазух в реальных стоматологических клиниках и позволит избежать ненужного лечения и затрат для пациентов.

В нашем исследовании применялся алгоритм EfficientDet для разработки модели диагностики верхнечелюстных пазух. Алгоритм EfficientDet, представляющий собой алгоритм обнаружения объектов, редко используется в стоматологии, но показал отличные результаты в области медицины ^17,18,19 . Наваз и др. ¹⁷ получили высокую производительность с точностью 97,9% при обнаружении глаукомы на изображениях глазного дна с использованием алгоритма EfficientDet, а Du et al. ¹⁹ разработали модель EfficientDet для диагностики рака груди и достигли точности 92,6%. В недавнем исследовании ³⁰ были разработаны три модели для обнаружения мезиодена на периапикальной рентгенографии с использованием алгоритмов YOLOv3, RetinaNet и EfficientDet, и среди этих моделей модель EfficientDet показала наибольшую эффективность. Диагностическая эффективность нашей модели также была высокой, что подтверждает применимость EfficientDet к панорамным рентгенограммам.

Ограничения этого исследования заключаются в том, что оно проводилось с небольшим набором данных из 426 верхнечелюстных пазух, а все панорамные рентгенограммы были получены в одном учреждении. Также в исследование не включались случаи пазух с различной степенью утолщения слизистой более 4 мм. Дальнейшие исследования с использованием большего количества изображений пазух с различными состояниями из нескольких центров повысят клиническую полезность модели.

Заключение

Мы предложили модель глубокого обучения для автоматической диагностики ретенционных псевдокист в верхнечелюстных пазухах на панорамных рентгенограммах с использованием алгоритма EfficientDet. Модель получила достоверную точность и может быть использована для автоматической диагностики верхнечелюстных пазух.

Доступность данных

Данные, сгенерированные и проанализированные в ходе текущего исследования, не являются общедоступными из-за законов и политик конфиденциальности в Корее, но их можно получить у соответствующего автора по обоснованному запросу.

Ссылки

Whyte, A. & Boeddinghaus, R. Верхнечелюстная пазуха: физиология, развитие и визуализация анатомии. Дентомаксиллофак Радиол. 48 , 201
. https://doi.org/10.1259/dmfr.201
(2019).
Артикул пабмед ПабМед Центральный Google Scholar
Дедеоглу, Н. и Думан, С. Б. Клиническое значение гипоплазии верхнечелюстной пазухи в стоматологии: исследование КЛКТ. Дент Мед. Пробл. 57 , 149–156. https://doi. org/10.17219/dmp/114982 (2020 г.).
Артикул пабмед Google Scholar
Уайт, С. К. и Фараон, М. Дж. Рентгенология полости рта Уайта и Фараона: принципы и интерпретация (Elsevier Health Sciences, 2018).
Google Scholar
Никнами, М., Мирмохаммади, М. и Пезешки, А. Оценка распространенности слизистой ретенционной псевдокисты и ее корреляции с сопутствующими факторами риска с использованием панорамной рентгенографии и конусно-лучевой компьютерной томографии. J. Dentistry (Тегеран, Иран) 15 , 123 (2018).
Google Scholar
Ким С.-Б., Юн П.-Ю. и Ким, Ю.-К. Клиническая оценка костного трансплантата синуса у пациентов с слизистой ретенционной кистой. Челюстно-лицевая пластическая реконструкция. Surg. 38 , 1–5 (2016).
Артикул КАС Google Scholar
Shahbazian, M., Vandewoude, C., Wyatt, J. & Jacobs, R. Сравнительная оценка панорамной рентгенографии и изображений КЛКТ для лучевой диагностики в задней части верхней челюсти. клин. Оральное расследование. 18 , 293–300 (2014).
Артикул пабмед Google Scholar
Тадинада, А. и др. Рентгенологическое исследование верхнечелюстной пазухи до имплантации зубов: сравнение двухмерных и трехмерных рентгенографических изображений. Научная визуализация. Стоматология 45 , 169–174 (2015).
Артикул Google Scholar
Росадо, Л.Д.П.Л., Барбоза, И.С., Де Акино, С.Н., Жункейра, Р.Б. и Вернер, Ф.С. Способность студентов-стоматологов выявлять аномалии верхнечелюстных пазух: сравнение панорамной рентгенографии и конусно-лучевой компьютерной томографии. Научная визуализация. Стоматология 49 , 191–199 (2019).
Артикул Google Scholar
Ха, Э.-Г., Чон, К.Дж., Ким, Ю.Х., Ким, Дж.-Ю. и Хан, С.-С. Автоматическое обнаружение мезиоденсов на панорамных рентгенограммах с использованием искусственного интеллекта. Науч. 11 , 1–8 (2021).
Артикул Google Scholar
Ким, Ю. Х., Ха, Э.-Г., Чон, К. Дж., Ли, К. и Хан, С.-С. Полностью автоматизированный метод идентификации человека на основе панорамных рентгенограмм зубов с использованием сверточной нейронной сети. Стоматологический радиол. 50 , 20210383 (2021).
Google Scholar
Ли, А. и др. Нейронные сети с глубоким обучением для дифференциации костной полости Стафне от патологических рентгенопрозрачных поражений нижней челюсти на гетерогенной панорамной рентгенографии. PLoS ONE 16 , e0254997 (2021).
Артикул КАС пабмед ПабМед Центральный Google Scholar
Кувана Р. и др. Эффективность технологии обнаружения объектов глубокого обучения при обнаружении и диагностике поражений верхнечелюстных пазух на панорамных рентгенограммах. Зубочелюстно-лицевой Радиол. 50 , 20200171 (2021).
Google Scholar
Мурата М. и др. Классификация глубокого обучения с использованием сверточной нейронной сети для оценки гайморита на панорамной рентгенографии. Пероральный радиол. 35 , 301–307 (2019).
Артикул пабмед Google Scholar
Мори, М. и др. Метод глубокого переноса обучения для выявления и диагностики гайморита на панорамных рентгенограммах. Стоматология 109 , 941–948 (2021).
Артикул КАС пабмед Google Scholar
Шортен, К. и Хошгофтаар, Т. М. Обзор увеличения данных изображения для глубокого обучения. J. Большие данные 6 , 1–48 (2019).
Артикул Google Scholar
Тан, М., Панг, Р. и Ле, К.В. Efficientdet: Масштабируемое и эффективное обнаружение объектов. В: Материалы конференции IEEE/CVF по компьютерному зрению и распознаванию образов 10781-1070).
Наваз М. и др. Эффективный подход к автоматическому обнаружению глаукомы на основе глубокого обучения с использованием локализации диска зрительного нерва и глазного бокала. Датчики 22 , 434 (2022).
Артикул ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
«>
Нох, С. Х. и др. Автоматическое выявление сакроилеита на обзорной рентгенограмме с использованием алгоритма EfficientDet у молодых пациентов с болями в спине: пилотное исследование. (2021).
Ду, Р. и др. Дискриминация рака молочной железы на основе ультразвуковых изображений и сверточной нейронной сети. Журнал онкологии 2022 (2022).
Чой, Х.-Р. и др. Автоматическое обнаружение зубов и паттернов лечения зубов на панорамных рентгенограммах зубов с использованием глубоких нейронных сетей. Судебная экспертиза. Рез. 1–11 (2022).
Эверингем, М., Ван Гул, Л., Уильямс, С.К., Винн, Дж. и Зиссерман, А. Задача классов визуальных объектов Паскаля (voc). Междунар. Дж. Вычисл. Видение 88 , 303–338 (2010).
Артикул Google Scholar
Малина-Альцингер Дж. , Дамерау Г., Гретц К.В. и Штадлингер П. Оценка верхнечелюстной пазухи при панорамной рентгенографии — сравнительное исследование. Междунар. J. Implant Dentistry 1 , 1–7 (2015).
Артикул Google Scholar
Константин, С., Кларк, Б., Кирмайер, А. и Андерсон, П. Панорамная рентгенография имеет ограниченное значение в оценке заболевания верхнечелюстной пазухи. Оральный хирург. Оральный мед. Орал Патол. Оральный радиол. 127 , 237–246 (2019).
Артикул пабмед Google Scholar
von Schacky, C.E. et al. Многозадачное глубокое обучение для сегментации и классификации первичных опухолей костей на рентгенограммах. Радиология 301 , 398–406 (2021).
Артикул Google Scholar
Лю, К. , Ху, С.-К., Ван, К., Лафата, К. и Инь, Ф.-Ф. Автоматическое обнаружение легочных узлов на КТ-изображениях с помощью YOLOv3: разработка и оценка с использованием смоделированных данных и данных пациентов. Кв. Визуализация Мед. Surg. 10 , 1917 (2020).
Артикул пабмед ПабМед Центральный Google Scholar
Schelb, P. и др. Классификация рака на МРТ предстательной железы: глубокое обучение в сравнении с клинической оценкой PI-RADS. Радиология 293 , 607–617 (2019).
Артикул пабмед Google Scholar
Kim, YH et al. Автоматическое измерение толщины коры головки мыщелка нижней челюсти на изображениях КЛКТ с использованием метода глубокого обучения. Науч. 11 , 1–11 (2021).
ОБЪЯВЛЕНИЕ Google Scholar
«>
Ким Х.-С. и др. Передача обучения в глубокой сверточной нейронной сети для классификации приспособлений для имплантатов: пилотное исследование. Научная визуализация. Стоматология 52 , 219(2022).
Артикул Google Scholar
Lee, J.-H., Han, S.-S., Kim, Y.H., Lee, C. & Kim, I. Применение полностью глубокой сверточной нейронной сети для автоматизации сегментации зубов на панорамных рентгенограммах . Оральный хирург. Оральный мед. Орал Патол. Оральный радиол. 129 , 635–642 (2020).
Артикул пабмед Google Scholar
Чон, К.Дж., Ха, Э.-Г., Чой, Х., Ли, К. и Хан, С.-С. Сравнение производительности трех моделей глубокого обучения для обнаружения пораженных мезиоденсов на периапикальных рентгенограммах. Науч. 12 , 1–8 (2022).
Артикул Google Scholar

Ссылки на скачивание

Финансирование

Эта работа финансировалась за счет гранта Национального исследовательского фонда Кореи (NRF), финансируемого правительством Кореи (MSIT) (№ 2022R1A2B5B01002517).

Информация об авторе

Примечания автора

Эти авторы внесли равный вклад: Ын-Гю Ха и Куг Джин Чон.

Авторы и организации

Кафедра челюстно-лицевой радиологии, Стоматологический колледж Университета Ёнсе, 50-1 Yonsei-Ro Seodaemun-Gu, Seoul, 03722, Korea
Eun-Gyu Jeon, Хансын Чой, Чена Ли, Юн Джу Чой и Сан-Сун Хан

Авторы

Eun-Gyu Ha
Просмотр публикаций автора
Вы также можете искать этого автора в PubMed Google Scholar
Kug Jin Jeon
Просмотр публикаций автора
Вы также можете искать этого автора в PubMed Google Scholar
Hanseung Choi
Просмотр публикаций автора
Вы также можете искать этого автора в PubMed Google Scholar
Чена Ли
Посмотреть публикации автора
Вы также можете искать этого автора в PubMed Google Scholar
Yoon Joo Choi
Просмотр публикаций автора
Вы также можете искать этого автора в PubMed Google Scholar
Sang-Sun Han
Просмотр публикаций автора
Вы также можете искать этого автора в PubMed Google Scholar

Взносы

С. Х. предложил идеи, и К.Дж. и С.Х. собранные данные и Э.Х. разработал модель глубокого обучения, а K.J., C.L. и Y.C. проанализировали и интерпретировали данные, а E.H., K.J., H.C. и С.Х. критически рассмотрели содержание, а E.H., K.J. и С.Х. подготовил и критически отредактировал статью. Все авторы рассмотрели рукопись.

Автор, ответственный за переписку

Санг-Сун Хан.

Заявление об этике

Конкурирующие интересы

Авторы не заявляют об отсутствии конкурирующих интересов.

Дополнительная информация

Примечание издателя

Springer Nature остается нейтральной в отношении юрисдикционных претензий в опубликованных картах и институциональной принадлежности.

Права и разрешения

Открытый доступ Эта статья находится под лицензией Creative Commons Attribution 4.0 International License, которая разрешает использование, совместное использование, адаптацию, распространение и воспроизведение на любом носителе или в любом формате при условии, что вы укажете соответствующую ссылку на оригинальный автор(ы) и источник, предоставьте ссылку на лицензию Creative Commons и укажите, были ли внесены изменения.