La estimación automatizada de la edad dental es esencial para la odontología clínica. Sin embargo, los métodos tradicionales como la etapa de desarrollo dental de Demirjian (TDS) requieren una anotación manual que consume mucho tiempo por parte de expertos capacitados. Además, las diferencias poblacionales en los patrones de desarrollo dental pueden afectar significativamente la precisión de la estimación de la edad, destacando la necesidad de un conjunto de datos de referencia (RDS) específico para cada etnia. Este estudio tiene como objetivo usar redes neuronales profundas (DNN) para la estimación automatizada del TDS de molares en radiografías panorámicas digitales, integrando el conjunto de datos de referencia del sur de China más completo para una evaluación de la edad dental adecuada para la etnia. Se anotaron radiografías panorámicas de individuos de entre 2 y 25 años para el TDS de molares y se usaron para entrenar ocho arquitecturas DNN, incluyendo AlexNet, DenseNet-201 y ResNet-50. DenseNet-201 logra la mayor precisión del 93% en la clasificación del TDS de molares. La mayoría de las malas clasificaciones involucran etapas adyacentes. La edad dental media integrada (IMDA) se obtiene mapeando el TDS molar predicho utilizando el RDS del sur de China. La diferencia media y el coeficiente de correlación entre la IMDA estimada por el DNN de mejor desempeño (AlexNet) y la edad cronológica son -0.063 años (-3.3 semanas) y r=0.898 (p<0.001) respectivamente. Estos hallazgos demuestran que la combinación de DNN para la estimación del TDS con RDS específico por etnia permite una evaluación precisa y confiable de la edad dental.

Redes neuronales profundas (DNN);Estimación de la edad dental;Radiografías panorámicas;Chinos del sur;Desarrollo dental