L'estimation automatisée de l'âge dentaire est essentielle pour la dentisterie clinique. Cependant, les méthodes traditionnelles comme le stade de développement dentaire de Demirjian (TDS) nécessitent une annotation manuelle chronophage par des experts formés. De plus, les différences de population dans les schémas de développement dentaire peuvent affecter de manière significative la précision de l'estimation de l'âge, soulignant ainsi la nécessité d'un ensemble de données de référence (RDS) spécifique à l'ethnie. Cette étude vise à utiliser les réseaux neuronaux profonds (DNN) pour une estimation automatisée du TDS des molaires sur des radiographies panoramiques numériques, en intégrant l'ensemble de données de référence du sud de la Chine, le plus complet, pour une évaluation de l'âge dentaire adaptée à l'ethnie. Des radiographies panoramiques d'individus âgés de 2 à 25 ans sont annotées pour le TDS molaire et utilisées pour entraîner huit architectures DNN, incluant AlexNet, DenseNet-201 et ResNet-50. DenseNet-201 atteint la plus haute précision de 93% dans la classification du TDS molaire. La plupart des erreurs de classification concernent des stades adjacents. L'âge dentaire moyen intégré (IMDA) est obtenu en mappant le TDS molaire prédit en utilisant le RDS du sud de la Chine. La différence moyenne et le coefficient de corrélation entre l'IMDA estimé par le DNN le plus performant (AlexNet) et l'âge chronologique sont respectivement de -0,063 an (-3,3 semaines) et r=0,898 (p<0,001). Ces résultats démontrent que la combinaison du DNN pour l'estimation du TDS avec un RDS spécifique à l'ethnie permet une évaluation précise et fiable de l'âge dentaire.

Réseaux neuronaux profonds (DNN);Estimation de l'âge dentaire;Radiographies panoramiques;Chinois du sud;Développement dentaire