KI-Modelle können die Erkennung von Pulpasteinen unterstützen

Mit einem erweiterten KI-Verfahren ließ sich die Erkennungsleistung bei restaurierten Zähnen verbessern. Grundlage der Untersuchung waren 1.119 Panoramaröntgenaufnahmen aus den Jahren 2022 bis 2025 mit insgesamt 4.230 markierten Pulpasteinen. Davon lagen 3.345 in gesunden und 885 in restaurierten Zähnen. Anhand solcher markierten Bildbeispiele lernen Deep-Learning-Modelle, bestimmte Strukturen zu erkennen. Ihre Leistung wird anschließend an einem separaten Testdatensatz geprüft. Das Team verglich die Modellfamilien YOLOv8 und YOLO11. Dabei erzielte YOLO11 die besseren Ergebnisse. Gemeinsam war allen getesteten Modellen, dass sie Pulpasteine in gesunden Zähnen besser erkannten als in restaurierten. Um die Erkennung bei restaurierten Zähnen zu verbessern, ergänzten die Wissenschaftler die Bildanalyse um eine weitere KI-Komponente, ein sogenanntes Graph Neural Network. Zusätzlich erhöhten sie die Bildauflösung und passten das Training an. Zusammen führten diese Änderungen bei allen drei untersuchten YOLO11-Varianten zu besseren Ergebnissen für restaurierte Zähne. Bei gesunden Zähnen blieb die Leistung erhalten oder stieg ebenfalls. Zusätzliche Vergleichstests bestätigten, dass auch die neue KI-Komponente selbst zur Verbesserung beitrug. Die Autoren bewerten Deep-Learning-Modelle als vielversprechend für die Erkennung von Pulpasteinen auf Panoramaröntgenaufnahmen. Sie verweisen zugleich auf die Notwendigkeit größerer Studien an mehreren Zentren, um die Übertragbarkeit auf den klinischen Alltag weiter zu prüfen.

^{1 Şimşek E, Cüvitoğlu A, Kurt Ö, Bektaş J. Comparative deep learning analysis of pulp stone detection in restored and healthy teeth on panoramic radiographs. Scientific Reports (2026)}

Schlagwörter: