Обнаружение верхнечелюстного синусита одонтогенного происхождения на изображениях конусно-лучевой КТ с помощью алгоритмов глубокого обучения

Когда зубная проблема достигает пазух

Повторяющаяся заложенность носа или давление в лице часто списывают на аллергию или простуду, но значительная часть проблем с пазухами на самом деле начинается с инфицированных задних зубов. В этом исследовании рассматривается, как искусственный интеллект может читать 3D-дентальные сканы, чтобы определить, связан ли синусит с инфекцией у корня зуба, помогая стоматологам и врачам быстрее и увереннее установить правильную причину.

Почему проблемы пазух и зубов связаны

Верхнечелюстные пазухи расположены непосредственно над верхними задними зубами и отделены от них лишь тонким слоем кости. Когда мягкие ткани внутри пазух воспаляются или утолщаются, у человека может возникать хроническая заложенность, боль или ощущение распирания в щеке. Во многих случаях зубная инфекция на кончике корня раздражает близлежащую слизистую пазухи, но симптомы могут напоминать обычные проблемы с пазухами, а сам зуб при этом казаться спокойным. Это затрудняет, даже для опытных клиницистов, определение того, вызван ли синусит стоматологическим заболеванием, другими причинами пазух или же пазуха на самом деле нормальна.

Как 3D-сканы зубов дают более ясную картину

Конусно-лучевая компьютерная томография (КЛКТ) — это 3D-скан в стоматологии, который показывает как кость, так и мягкие ткани с высокой детализацией при относительно низкой дозе облучения. Он может выявлять тонкие изменения вокруг корней зубов и в слизистой пазухи, которые остаются незамеченными на обычной медицинской КТ или плоских рентгенограммах. В этом исследовании учёные собрали 70 КЛКТ-сканов из двух эндодонтических клиник и тщательно отобрали более 5000 двухмерных срезов с трёх углов просмотра: сверху (аксиальный), спереди (корональный) и сбоку (сагиттальный). Экспертные стоматологи и рентгенолог-стоматолог проверили каждый скан и пришли к согласию, какие изображения соответствуют нормальной пазухе, какие показывают синусит, связанный с поражённым корнем зуба, и какие отражают синусит по другим, недентальным причинам.

Обучение компьютера чтению изображений

Перед обучением системы глубокого обучения команда очистила и улучшила изображения. Они стандартизировали размер изображений, уменьшили шум и артефакты от металла и подчёркнули границы, чтобы ключевые структуры были более явными. Они также использовали тип генеративной модели для создания дополнительных высококачественных обучающих изображений, обогатив и разнообразив набор данных. Конвейер обработки затем прошёл несколько этапов. Сначала модель научилась распознавать по каждому срезу, с какого он вида. Далее этап сегментации научился выделять три ключевые зоны: корни зубов, полость пазухи и тонкую слизистую оболочку. Наконец, специализированные сети анализировали каждый вид для выявления паттернов, связанных с заболеванием, а «мультивидовая» модель объединяла информацию со всех трёх углов, чтобы решить, нормальна ли пазуха, поражена ли она проблемой корня зуба или вызвана другими заболеваниями пазух.

Насколько хорошо работала система

Исследователи протестировали свои модели на отложенных изображениях и на полностью отдельном наборе из 738 КЛКТ-срезов от новых пациентов. Классификатор вида почти никогда не путал три угла сканирования. Этап сегментации выделял корни, пространство пазухи и слизистую с высокой степенью совпадения по сравнению с разметкой экспертов во всех трёх видах. Каждый классификатор одиночного вида уже достигал высокой точности, но мультивидовая сеть, объединяющая все три перспективы, показала наилучшие результаты. И в тестовом, и во внешнем наборах данных она корректно маркировала случаи по трём группам, совпадая с объединённым суждением экспертной панели. Авторы предприняли несколько шагов, чтобы избежать переобучения — включая разделение данных по пациентам, аккуратную аугментацию и методы регуляризации — чтобы система с большей вероятностью обобщалась за пределы исследуемой выборки.

Что это может значить для пациентов

Для клиницистов этот автоматизированный конвейер может служить неутомимым вторым рецензентом, который выделяет синусит, связанный с корнями, картирует форму пазухи и показывает, как близко инфицированные корни расположены к дну пазухи. Такая поддержка может помочь планировать лечение корневых каналов, решать, как управлять стойкими симптомами пазух, и направлять операции по имплантации или синус-лифтингу. Хотя текущее исследование работает с 2D-срезами из ограниченного поля зрения и требует более широкого тестирования в большем количестве клиник и на разных сканерах, оно закладывает прочную основу для будущих инструментов, которые будут анализировать полные 3D-сканы. Проще говоря, работа показывает, что тщательно разработанный ИИ может надёжно выявлять случаи, когда проблемы с пазухами связаны с корнями зубов, предлагая более ясный путь от расплывчатого давления в лице к реальному источнику проблемы.

Цитирование: Sherif, O.A.S., Taha, N.S., Fahmy, A.M. et al. Detection of maxillary sinusitis of endodontic origin in cone-beam CT images using deep learning algorithms. Sci Rep 16, 16254 (2026). https://doi.org/10.1038/s41598-026-52147-w

Ключевые слова: верхнечелюстной синусит, одонтогенный синусит, конусно-лучевая КТ, глубокое обучение, дентальная визуализация