Dental Vision
Odontograma automático desde radiografías panorámicas: detectar cada pieza dental, numerarla en notación FDI y registrar su estado visible.
2,5 %de las radiografías del dataset, con anotaciones imposibles detectadas
- Año
- 2026
- Herramientas
- Python · PyTorch · torchvision · Mask R-CNN · uv
Qué es
Rellenar el odontograma de un paciente nuevo son entre cinco y diez minutos de trabajo manual, pieza por pieza, en cada primera visita. Dental Vision genera ese borrador a partir de la radiografía panorámica para que el profesional solo tenga que revisarlo.
Registra, no diagnostica. Dice qué piezas hay y cuáles llevan corona, implante o endodoncia; no dice si hay caries ni sugiere tratamiento. La línea no es cosmética: en la UE, el software que informa decisiones diagnósticas es producto sanitario (MDR 2017/745) y exige marcado CE. El proyecto se queda fuera a propósito.
Auditar los datos antes de entrenar
Los datos son DENTEX 2023 (CC BY 4.0): 634 panorámicas con 18.095 piezas anotadas. Antes de entrenar nada se revisaron con una regla del dominio como test: una boca no puede tener dos dientes con el mismo número. Dieciséis radiografías, el 2,5 %, la incumplen; en al menos una hay dos series de anotaciones superpuestas y desplazadas una posición.
La otra comprobación salió bien: los cordales aparecen un 40 % menos y el primer molar inferior menos que el superior, que es lo que dice la epidemiología. Que los datos reproduzcan un hecho clínico sin que nadie se lo pida indica que el mapeo de cuadrantes es correcto.
Decisiones medidas
| Decisión | Por qué |
|---|---|
| Entrenar en CPU, no en la GPU del M4 | Mask R-CNN tarda 107 s por paso en Metal y 4 s en CPU: roi_align y nms no tienen kernel MPS y caen a CPU con copias constantes |
| 128 regiones ROI en vez de 512 | Una boca tiene como mucho 32 piezas en una banda fija; los valores de COCO sobran. Un 32 % más rápido |
| torchvision (BSD), no YOLO (AGPL) | La licencia se decide al principio, no cuando hay un cliente. Mismo criterio con el dataset |
| El volteo horizontal remapea cuadrantes | Al voltear, el 16 ocupa el sitio del 26. Sin remapear, la mitad de los ejemplos enseña lo contrario que la otra y nada da error |
Cómo se medirá
No con mAP, que no le dice nada a un clínico, sino con tres medidas de dominio: cobertura (cuántas piezas se encuentran), numeración (a cuántas se les asigna el FDI correcto) y odontogramas perfectos. La tercera es la que decide si la herramienta se usa: un 97 % de numeración correcta son 0,84 errores por radiografía, y entonces hay que revisarlo todo igualmente.
Estado
Hecho: descarga reproducible, auditoría, visor de anotaciones, particiones con semilla fija (432 / 93 / 93) y el bucle de entrenamiento verificado. Falta entrenar el detector, el post-procesado con restricciones anatómicas y la evaluación, así que todavía no hay cifras del modelo. No es apto para uso clínico.