Pré-diagnostique assisté par apprentissage automatique pour la santé dentaire des enfants en Mongolie

Abstract

Abstract : Research methods and the Ąeld of science are experiencing rapid evolution as data production grows across all scientiĄc domains. Within this dynamic environment, machine learning has emerged as a pivotal domain, expanding its inĆuence and applications across various branches of science. Early Childhood Caries (ECC) is a global oral health issue that is especially harmful to young children. ECC can have a negative impact on a childŠs general health as well as dental health. In recent years, the application of advanced technologies such as machine learning and deep learning has been increasingly important in aiding doctors to detect ECC at an early stage and even predict its occurrence. This proactive approach is essential in addressing ECC before it develops into a signiĄcant issue for children. ItŠs also necessary right now since early intervention may prevent kids from suffering from expensive dental problems and painful dental issues. This thesis provides a comprehensive examination of recent research that uses advanced computer technology to predict and detect cavities in childrenŠs teeth, while also exploring the factors contributing to this dental issue. The thesis begins by discussing cavities, their global impact, and the innovative approaches developed by experts to combat them. Subsequently, it delves into existing literature on the use of computer-based methods, such as medical imaging and surveys, for dental diagnostics, highlighting the challenges researchers face in this Ąeld.***

Résumé : Les méthodes de recherche et le domaine scientiĄque connaissent une évolution rapide à mesure que la production de données augmente dans tous les domaines scientiĄques. Dans cet environnement dynamique, lŠapprentissage automatique a émergé comme un domaine clé, élargissant son inĆuence et ses applications à travers diverses branches de la science. La Carie de la Petite Enfance (ECC) est un problème mondial de santé bucco-dentaire qui est particulièrement préjudiciable aux jeunes enfants. LŠECC peut avoir un impact négatif sur la santé générale et dentaire dŠun enfant. Ces dernières années, lŠapplication de technologies avancées telles que lŠapprentissage automatique et lŠapprentissage profond a pris de plus en plus dŠimportance pour aider les médecins à détecter lŠECC à un stade précoce et même à prédire son apparition. Cette approche proactive est essentielle pour traiter lŠECC avant quŠil ne devienne un problème majeur pour les enfants. CŠest également nécessaire à lŠheure actuelle, car une intervention précoce peut éviter aux enfants de souffrir de problèmes dentaires coûteux et douloureux. Cette thèse propose un examen complet des recherches récentes qui utilisent des technologies informatiques avancées pour prédire et détecter les caries chez les enfants, tout en explorant les facteurs qui contribuent à ce problème dentaire. La thèse commence par discuter des caries, de leur impact mondial et des approches innovantes développées par des experts pour les combattre. Ensuite, elle se plonge dans la littérature existante sur lŠutilisation de méthodes informatiques, telles que lŠimagerie médicale et les enquêtes, pour le diagnostic dentaire, mettant en évidence les déĄs auxquels sont confrontés les chercheurs dans ce domaine.