Efeito da redução de artefatos gerados por materiais de alta densidade em imagens de tomografia computadorizada de feixe cônico por inteligência artificial no diagnóstico de fratura radicular vertical e perfuração radicular

Resumo

A tomografia computadorizada de feixe cônico (TCFC) é um exame de imagem utilizado em endodontia para o diagnóstico de doenças e avaliação de anatomia radicular interna, contudo, uma de suas limitações é a presença de artefatos que dificultam a eficácia de diagnóstico, embora a literatura apresente diferentes técnicas que propõem a sua redução de artefatos, ainda não há métodos eficazes que contribuem para essa redução. A rede neural convolucional profunda tem mostrado abordagens promissoras para reduzir os artefatos gerados por materiais de alta densidade, entretanto além da literatura apresentar apenas dados preliminares, com redes neurais com baixo grau de treinamento em poucas imagens de TCFC, não há informações sobre seu impacto na precisão do diagnóstico de tarefas clínicas como fraturas e perfurações radiculares. Assim, este estudo tem como objetivo desenvolver uma rede neural convolucional profunda para remoção de artefatos oriundos de materiais de alta densidade e baixa dose de raios X, com base em um número robusto de imagens de TCFC, avaliando o impacto na precisão do diagnóstico em diferentes tarefas clínicas, bem como analisar e comparar sua eficácia em relação a outros métodos de redução de artefatos. Será confeccionado um fantoma de imagem composto por mandíbula humana macerada parcialmente edêntula. Cem dentes humanos extraídos serão submetidos ao tratamento endodôntico, e posteriormente divididos em 2 fases: na fase 1, 40 dentes instrumentados e obturados serão utilizados para simulação dos artefatos oriundos de materiais de alta densidade (ruído, endurecimento de feixe, exclusão e blooming) para o treinamento da rede neural convolucional profunda. E, posteriormente, após o desenvolvimento da rede neural convolucional profunda, na fase 2, os outros 60 dentes serão divididos em três grupos (n=20) de acordo com a complicação endodôntica proposta: fratura radicular vertical, perfuração radicular e controle. Cada grupo de dentes será posicionado individualmente em alvéolos da mandíbula humana e as imagens serão obtidas com campo de visão de 5 × 5 cm em um aparelho de TCFC sob dois protocolos de resolução (alto e baixo) e com presença/ausência da ferramenta de redução de artefato. Imagens adicionais serão obtidas a partir da inserção de dentes de interesse em alvéolos vazios da mandíbula para simular diferentes condições clínicas com materiais de alta densidade (material obturador, implante e pinos intrarradiculares). Ad-hoc rede neural convolucional profunda será desenvolvido com base na literatura da rede U-net e sob medida para as imagens de TCFC do fantoma de imagem que serão utilizadas para a validação e treinamento da rede. As imagens de TCFC do fantoma de imagem serão também corrigidas pela rede neural convolucional profunda treinada e serão analisadas subjetivamente por quatro avaliadores que indicarão a presença de fratura radicular vertical e perfuração radicular em uma escala de 5 pontos. E, além disso, as imagens serão analisadas objetivamente por um avaliador, que realizará medidas da relação sinal-ruído e homogeneidade do valor de cinza de uma área homogênea e mensuração de volume dos canais radiculares. Todas as imagens serão avaliadas nos programas de TCFC OsiriX MD v.7.5.1 e e-Vol DX e serão posteriormente comparadas.