Detection and analysis of enamel cracks by ICG‐NIR fluorescence dental imaging
Notice bibliographique
Résumé
Cracked teeth are the third most common cause of tooth loss, but there is no reliable imaging tool for the diagnosis of cracks. Here, we demonstrate the feasibility of indocyanine green near-infrared fluorescence (ICG-NIRF) dental imaging for the detection of enamel cracks and enamel-dentin cracks in vitro in the first (ICG-NIRF-I, 700-950 nm) and second (ICG-NIRF-II, 950-1700 nm) imaging windows with transmission excitation light, and compared ICG-NIRF with conventional NIR illumination-II (NIRi-II) and X-ray imaging. Dentin cracks were detected by CT scan, while most enamel cracks, undetectable under X-ray imaging, were clearly visible in NIR images. We found that ICG-NIRF-II detected cracks more effectively than NIRi-II, and that light orientation is an important factor for crack detection: an angled exposure obtained better image contrast of cracks than parallel exposure, as it created a shadow under the crack. Crack depth could be evaluated from the crack shadow in ICG-NIRF and NIRi-II images; from this shadow we could determine crack depth and discriminate enamel-dentin cracks from craze lines. Cracks could be observed clearly from ICG-NIRF images with 1-min ICG tooth immersion, although longer ICG immersion produced images with greater contrast. Overall, our data show that ICG-NIRF dental imaging is a useful tool for diagnosing cracked teeth at an early stage.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».