1. Giới thiệu

Nha Im-plant (NI) đã chứng minh được tỷ lệ sống sót và thành công cao, là một phương pháp điều trị không thể thiếu và có thể dự đoán được để khôi phục hàm răng bị mất [1]. Trong một cuộc đánh giá toàn diện về kết quả phục hồi NI, tỷ lệ sống sót sau 10 năm được báo cáo là 96,4% (95% CI = 95,2-97,5%), và tỷ lệ sống sót tổng thể trong một nghiên cứu theo dõi sau 15 năm đã được báo cáo là 82,6% [1,2]. Do đó, các biến chứng sinh học (bao gồm viêm niêm mạc xung quanh NI và viêm niêm mạc xung quanh NI) và cơ học (bao gồm gãy, lỏng vít và gãy vật liệu gốm và bộ phận) có thể gia tăng và yêu cầu nhiều lần can thiệp lại [3].

Trong số các biến chứng cơ học, việc gãy NI gần như không thể sửa chữa hoặc điều chỉnh; do đó, đây là một trong những nguyên nhân quan trọng dẫn đến khả năng thất bại và gỡ bỏ NI. Quá tải sinh lý và cơ học và không khớp vật liệu không thể đi qua có thể được coi là các yếu tố nguy cơ phổ biến nhất dẫn đến việc gãy NI [4,5]. Như đã chỉ ra trong các nghiên cứu gần đây, các biến số lâm sàng khác nhau (bao gồm tuổi, giới tính, đường kính, chiều dài, vị trí đặt, có hoặc không có ghép xương, chất liệu bộ phận (CP4 hoặc hợp kim), đặc trưng cổ tử cung đã được mài hoặc chưa được mài, kết nối túi hoặc hình nón, vít micro hoặc macro, và chuyển đổi nền) có thể ảnh hưởng đến việc gãy NI và đường kính, vị trí, lịch sử ghép xương và sự hiện diện của vít micro trên NI có mối quan hệ quan trọng đối với sự xuất hiện của việc gãy NI [6,7]. Trong một cuộc đánh giá toàn diện về kết quả dài hạn kéo dài hơn 5 năm, tỷ lệ gãy được báo cáo là 0,18%, và một cuộc nghiên cứu theo dõi sau 12 năm gần đây đã cho thấy tần suất 0,92% trong 19.006 NI gãy của 5125 bệnh nhân [6,7]. Vì sự phổ biến và mức độ xảy ra của việc gãy tương đối hiếm và thường không có triệu chứng, việc phát hiện sớm là một nhiệm vụ rất khó khăn và đầy thách thức trong thực tế lâm sàng. Khi việc gãy NI không được chẩn đoán hoặc chẩn đoán muộn, phản ứng sau chấn thương và viêm nhiễm gây mất xương nghiêm trọng xung quanh NI sẽ không thể tránh được [7].

Trí tuệ nhân tạo, đặc biệt là công nghệ học sâu và liên quan đến mạng thần kinh, đã phát triển mạnh mẽ trong suốt 10 năm qua và hiện đang được áp dụng rộng rãi trong lĩnh vực y tế và răng học [8,9]. Mạng thần kinh tích chập sâu (DCNNs) là một nhánh của phương pháp học sâu sử dụng một chuỗi của nhiều lớp biến đổi phi tuyến để tạo ra trừu tượng cấp cao, từ đó tăng tính đa dạng của nó trong việc xác định các mẫu hoặc đặc trưng đại diện [10,11]. Gần đây, DCNN đã trở nên phổ biến và trở thành công nghệ tiên tiến trong phân tích hình ảnh y tế, bao gồm phát hiện, phân đoạn và phân loại [12].

Trong phẫu thuật chỉnh hình và chấn thương cơ xương, DCNN đã được sử dụng thành công để phát hiện và phân loại các loại gãy xương người khác nhau và đặc biệt, đã cho thấy hiệu suất chẩn đoán gãy hông, gãy xương cánh tay trên, gãy cổ chân và xương đùi xuất sắc [13,14,15,16]. Trong thực hành nha khoa, một nghiên cứu đã được tiến hành gần đây để cải thiện độ chính xác trong việc phát hiện gãy gốc dọc dựa trên hình ảnh chụp răng, nhưng theo kiến thức của chúng tôi, chưa có nghiên cứu liên quan đến việc gãy NI [17]. Do đó, mục tiêu của nghiên cứu này là đánh giá tính tin cậy và hiệu quả của học sâu trong việc phát hiện và phân loại việc gãy NI dựa trên ba kiến trúc DCNN khác nhau sử dụng hình ảnh bức xạ toàn cảnh và periapical.

Đọc tiếp: FO4VN ─ Đội hình Chiến thuật FO4 ─ Tra cứu cầu thủ FO4