dental-vision

Pesos de los dos modelos de dental-vision: numeración de las piezas dentales en notación FDI y detección de hallazgos en radiografías panorámicas. Se pueden probar en la demo.

No apto para uso clínico. Es un proyecto de investigación y aprendizaje. En la UE, un uso clínico real sería un producto sanitario (MDR 2017/745).

Modelos

Carpeta	Qué hace	Salida
numeracion/	Detecta y segmenta cada pieza y le asigna su número FDI	32 clases; cajas y máscaras
patologia/	Detecta hallazgos sobre el diente afectado	Diente impactado, caries, lesión periapical y caries profunda; cajas

Los dos son Mask R-CNN v2 de torchvision (ResNet-50 FPN, preentrenado en COCO) y trabajan a 1.333 px de ancho. Cada carpeta trae los pesos (mejor.safetensors, la mejor época en validación), la configuración de entrenamiento y lo que se ajustó en validación: el post-procesado anatómico de la numeración (postproceso.json) y el umbral de confianza de los hallazgos (umbral.json).

Uso

from pathlib import Path

from huggingface_hub import snapshot_download
from dentalvision.inferencia import Odontografo  # pip install git+https://github.com/abp002/dental-vision

pesos = Path(snapshot_download("abp0040/dental-vision"))
modelo = Odontografo(pesos / "numeracion", patologia=pesos / "patologia")
pred = modelo.predecir(Path("panoramica.png"))

print(sorted(p.fdi for p in pred.piezas))
print([(h.fdi, h.patologia, round(h.confianza, 2)) for h in pred.hallazgos])

Las cajas salen a la resolución de trabajo; divididas por pred.escala, en píxeles de la imagen original. Odontografo aplica el post-procesado anatómico: cada número una sola vez y en el orden de la arcada.

Resultados

Numeración. Partición de prueba: 91 radiografías que el modelo no vio al entrenar y que no se usaron para elegir nada. Entre paréntesis, intervalo de confianza del 95% (bootstrap por radiografía).

Exactitud	Errores por radiografía	Odontogramas perfectos
95,5% (93,9–97,1)	1,64 (1,11–2,18)	53,8% (44,0–64,8)

La exactitud es la parte de las piezas presentes que sale encontrada y bien numerada. Los errores por radiografía son las correcciones que tiene que hacer el profesional: piezas que faltan, mal numeradas o que sobran.

Hallazgos. Conjuntos oficiales del concurso DENTEX, que el modelo no vio. La prueba oficial se publicó con las etiquetas clínicas originales y solo se evalúan las tres clases con traducción inequívoca (no hay caries profunda).

	Validación oficial (50)	Prueba oficial (250)
AP diagnóstico	0,33 (0,25–0,41)	0,35 (0,33–0,39)
AP50	0,51 (0,38–0,62)	0,54 (0,50–0,59)

Con el umbral de 0,5, en la prueba oficial:

Hallazgo	Encontrados	De lo marcado, real	Falsas alarmas por radiografía
Diente impactado	90%	86%	0,13
Caries	47%	44%	1,83
Lesión periapical	36%	48%	0,12

Como referencia, el método de los organizadores obtuvo un AP de diagnóstico de 0,37 en la prueba oculta del concurso. La comparación es orientativa: no es el mismo conjunto ni las mismas clases.

Datos de entrenamiento

DENTEX 2023: panorámicas de tres centros, con equipos y protocolos distintos, de pacientes de 12 años o más.

Modelo	Subconjunto	Entrenamiento	Validación	Prueba	Excluidas
Numeración	Enumeración (634)	425	91	91	27
Hallazgos	Diagnóstico (705)	575	102	conjuntos oficiales	28

Se excluyen las copias exactas (por MD5). En numeración, también las imágenes con números FDI duplicados, que son errores de anotación. En hallazgos, todo lo que aparece en los conjuntos oficiales, que son su prueba.

Limitaciones

• Solo radiografías panorámicas: no periapicales, aletas de mordida ni fotos.
• Solo dentición permanente: DENTEX no incluye menores de 12 años, así que el modelo no conoce los dientes temporales (51–85).
• Sin validación externa: todas las radiografías vienen de los centros de DENTEX. Con otros equipos lo normal es que rinda algo peor.
• La partición es por imagen porque DENTEX no publica identificador de paciente.
• Caries: encuentra la mitad y marca casi dos falsas por radiografía, y confunde a menudo caries con caries profunda. Sirve para señalar dónde mirar, no para descartar.
• Numeración: los fallos se concentran en premolares y molares, sobre todo en bocas con muchas ausencias.
• No anota restauraciones (coronas, implantes, endodoncias): DENTEX no las etiqueta.

Licencia

Pesos bajo CC BY-NC-SA 4.0. DENTEX figura como CC BY 4.0 en su registro de Zenodo y como CC BY-NC-SA 4.0 en su ficha de Hugging Face: los pesos se publican con la más restrictiva, que cumple las dos. El código del proyecto es MIT.

Cita

Hamamci et al., DENTEX: An Abnormal Tooth Detection with Dental Enumeration and Diagnosis Benchmark for Panoramic X-rays, arXiv:2305.19112, 2023.