في عالم تصنيع الأسنان، يُعتبر تحديد اتجاه البناء لأجزاء الأسنان بواسطة تقنية الصهر بالليزر الانتقائي (Selective Laser Melting) عملية حاسمة تتم غالبًا يدويًا من قبل الفنيين. لكن ما هو الحل الأفضل لهذه المهمة؟ هنا يأتي دور التعلم الآلي لدعم الفنيين في اتخاذ قرارات دقيقة تتعلق بالاتجاهات.

ركزت دراسة حديثة على توقع اتجاه البناء عبر تحليل بيانات الإنتاج المدعومة بتقنيات التعلم الآلي، حيث تم تدريب نماذج على نحو 2400 جزء أسنان محدد لكل مريض. استخدمت التجربة نموذجين رئيسيين: (ResNet-50) الذي يعتمد على الصور متعددة الزوايا و(PointNeXt-S) القائم على سحابة النقاط. هذه النماذج تم تدريبها وتعديلها بعناية لاختبار فعالية 13 تمثيلًا مختلفًا للاتجاه المدعوم بمعايير دائرية بزاوية ثلاثية الأبعاد، منها ستة تمثيلات تقليدية من مجموعة (SO(3)) وسبعة تمثيلات مباشرة على الكرة الوحدة (S^2).

أظهرت النتائج أن استخدام (TTA) أو تعزيز وقت الاختبار، ساهم في تقليل متوسط خطأ الزاوية بمعدل يتراوح بين 31-73% لمعظم التمثيلات والنماذج. ومن المثير للاهتمام، أن الخريطة الأوكتايدالية حققت أقل متوسط خطأ زاوي (10.6°) باستخدام نموذج (ResNet-50).

على الرغم من أن النتائج المباشرة لمجموعة (S^2) تصدرت قائمة النتائج، فإن هذا قد يعكس ضجيج العلامات في المكونات المستندة إلى نموذج (SO(3)) بدلاً من ميزة طوبولوجية حقيقية. تشير هذه الدراسة إلى أن مراعاة تحسين الاتجاهات يمكن أن تكون المفتاح لتحسين عملية إنتاج أجزاء الأسنان بدلاً من الاعتماد على الطرق اليدوية التقليدية.

كيف ترى تطبيق تقنيات الذكاء الاصطناعي في مجالات التصنيع الطبية؟ شاركونا آراءكم في التعليقات!