Computergestützte Konstruktions- und Fertigungsabläufe sind in den klinischen Arbeitsabläufen der Zahnmedizin weitgehend integriert. Während aktuelle Rekonstruktionsansätze meist auf herkömmlichen digitalen Methoden basieren, bieten auf Deep Learning (DL) basierende Systeme einen neuartigen Ansatz zur Erstellung präziser Zahnrestaurationen.
Ausgezeichnet wurde die wissenschaftliche Arbeit „Morphological effects of input data quantity in AI-powered dental crown design“, die den Einfluss der Datenmenge auf die Qualität von KI-gestützt konstruierten Zahnkronen untersucht. Die Ergebnisse der In-vitro-Studie zeigen, dass die Leistungsfähigkeit KI-basierter Software maßgeblich von der Menge der verfügbaren Scandaten abhängt. Eine umfassende Datenerfassung verbessert die Präzision der Restaurationen und kann den Bedarf an manuellen Nachbearbeitungen reduzieren. Die Arbeit leistet damit einen wichtigen Beitrag zur Weiterentwicklung digitaler und KI-gestützter Verfahren in der restaurativen Zahnmedizin und unterstreicht die Bedeutung qualitativ hochwertiger Datengrundlagen für zuverlässige Behandlungsergebnisse.
Quelle: Pressemitteilung UKR, Prof. Dr. Markus Goldhacker, Alexander Broll
