Мы используем системы искусственного интеллекта (ИИ) на основе машинного обучения - конкретнее, глубокие нейронные сети. Но не потому, что это модно, а потому, что эта технология помогает нам эффективно решать определенный класс стоящих перед нами производственных задач.
При этом, необходимо отметить, что в области обработки трехмерных поверхностей с помощью машинного обучения пока еще нет шаблонных решений, которые можно было скомбинировать и решить прикладные задачи. Мы находимся в авангарде этих исследований и разработок.
Ниже приведены лишь некоторые, наиболее яркие примеры того, для чего мы применяем ИИ на основе машинного обучения:
Сегментация челюсти
Мы используем нейронные сети для сегментации скана челюсти, распознавания и выделения зубов и их идентификации. То есть нам необходимо не только распознать, где поверхность десны, а где - зуб, но и правильно идентифицировать каждый зуб, присвоив ему номер согласно стандартам.
Решить эту задачу только геометрическими и эвристическими техниками весьма сложно. Вместе с тем, по результатам наших исследований, и машинно обученный ИИ “в одиночку” справляется с задачей сегментации хуже, чем комбинация ИИ с геометрическими и эвристическими техниками.
Поэтому мы очень эффективно выполняем задачу сегментации, комбинируя предобученный машинным способом ИИ с геометрическими алгоритмами.
Автоматическая генерация коронки
Еще одна важная задача - генерация зубной коронки. Проблема в том, что здесь должны быть одновременно соблюдены анатомические, технологические и эстетические требования. Искусственный зуб должен быть не только идеален сам по себе, но и идеально вписываться в свое “окружение” - он должен анатомически правильно смыкаться со своим антагонистом, идеально примыкать к соседям, он должен с точностью до десятка микрон “садиться” на свое основание, без зазоров и люфта, его должно быть технически возможно выпилить, и должна быть обеспечена возможность правильно его вставить в реальную челюсть реального пациента. И, разумеется, он должен быть “красив” - это же часть улыбки человека.
В реальной стоматологической практике, если коронка делается вручную техником-протезистом, “идеальных” дизайнов коронок для каждого конкретного случая будет ровно столько же, сколько техников. Без преувеличения, дизайн зубной коронки - это искусство. И это, на самом деле, проблема!
Если “идеальных” решений заметно больше одного, то геометрические алгоритмы и эвристические интеллектуальные системы становятся не слишком эффективными. И вот тут на помощь и приходит ИИ, основанный на машинном обучении.
Мы первыми стали применять генеративно-состязательные нейронные сети (GAN) для реального стоматологического производства, для реального лечения людей. В решении этой задачи на ранних ее этапах мы очень плодотворно сотрудничали с институтом Беркли, а разработанную в результате исследований нейросетевую архитектуру мы обучили на миллионах реставраций, сделанных опытными зубными техниками компании Glidewell. В результате, GAN теперь успешно применяется в массовом промышленном производстве коронок.
Прочие применения ИИ
Накопив очень значительный опыт применения машинного обучения в дентальной сфере, мы используем этот мощный инструмент во многих задачах с высокой неопределенностью и вариативностью - например, чтобы быстро и эффективно различить “плохие” сканы челюстей от “хороших”, удачные стоматологические реставрации от неудачных, повысить точность реконструкции поверхности в процессе КТ-сканирования, построить наилучшую границу примыкания коронки к препарации зуба, и так далее.