Une dentition parfaite grâce à l’IA ?

Une dentition parfaite grâce à l’IA ?

L’équipe de François Guibault, professeur à Polytechnique Montréal, s’appuie sur un outil informatique basé sur l’intelligence artificielle (IA) pour concevoir des couronnes dentaires.

Des algorithmes d’apprentissage automatisé pourraient bien corriger les imperfections des prothèses dentaires… Après avoir travaillé sur la modélisation de turbines, l’équipe de François Guibault, professeur en génie logiciel à Polytechnique Montréal en est convaincue.

DES COURONNES PARFAITES VIA L’IA

Elle travaille, à l’heure actuelle, sur un prototype de génération de surfaces en 3D s’appuyant sur l’IA pour parfaire le processus d’élaboration des prothèses :

« La morphologie initiale des dents est complexe, car celles-ci présentent des creux, des pics, des bosses uniques et ces caractéristiques s’usent avec le temps », explique le Pr Guilbaut.

« Lorsqu’on installe une couronne, il faut une dent avec le même niveau d’usure que les autres dents… Chacune d’entre elles doit s’adapter à son environnement. » – François Guibault, professeur en génie logiciel à Polytechnique Montréal

source : Polytechnique Montréal

De fait, le nouvel élément doit alors s’insérer à quelques dizaines de microns près sur l’existant. Outre cette contrainte géométrique, d’autres paramètres plus fonctionnels entrent en considération. La couronne ne doit pas s’appuyer sur les parois des autres dents, par exemple. Ainsi, au moment de la mastication, les molaires doivent glisser sans s’accrocher… une mécanique de haute précision en quelque sorte.

Notre bouche regorge de surfaces complexes. En cela, à l’instar des profils dans certains secteurs industriels de pointe, l’intervention sur la dentition peut nécessiter la conception de représentations très fines.

 LA MÉTHODE DES GÉNÉRATEURS ANTAGONISTES : GANs

Afin de concevoir cette couronne dentaire quasi parfaite, le Pr Guibault s’est appuyé sur des réseaux de neurones dits « générateurs antagonistes » ou GANs. Ceux-ci sont constitués à la fois d’un générateur qui crée des formes en 3D très réalistes, et d’un discriminateur, qui les identifie comme étant vraies ou fausses.

Aussi, lorsque le discriminateur ne voit plus de différence entre une vraie surface et celle proposée par le générateur, l’objectif est atteint. C’est la même technique qui est utilisée pour façonner les hypertrucages, à la différence près qu’il s’agit, ici, de surfaces en 3D et non d’images.

UN PROCÉDÉ APPLICABLE À D’AUTRES DOMAINES

« J’ai précédemment travaillé sur une autre forme de génération de surfaces complexes, notamment sur des turbines hydrauliques. Là aussi, au fond, il s’agit de problématiques liées au maillage et à la géométrie. »

Alors, quand pourrons-nous bénéficier de telles avancées ? Le Pr Guilbaut est en discussion pour déployer un prototype qui sera utilisable par les dentistes dans les trois mois à venir. Et, ensuite, les partenaires, iMD Research et Kerenor, l’utiliseront pour leur usage propre ou pour la commercialisation.

Si l’apprentissage automatique sur maillage n’est pas beaucoup développé, cette technique pourrait aussi s’appliquer aux domaines de l’orthopédie ou de la chirurgie plastique et de reconstruction… et pourquoi pas à d’autres secteurs industriels comme l’aéronautique ?

Crédits photos : Pexels / Cedric Fauntleroy

Découvrez la websérie sensation, CODE IA! 
Pendant 6 semaines, 3 duos d’étudiants proposeront une solution concrète, basée sur du codage et de la programmation pour mettre l’IA au service de tous.