Разработан исследовательский прототип системы автоматизированного анализа интраоральных фотографий зубного ряда. Реализован сквозной клиент-серверный конвейер: детекция и классификация зубов (RF-DETR, mAP@50:95 ≈ 0,89), вспомогательный классификатор челюсти EfficientNet-B0 и структурный декодер FDI-нумерации; backend на FastAPI с контейнеризацией Docker; Android-клиент на Kotlin/Jetpack Compose. Сформирован и размечен датасет ~4800 интраоральных снимков по четырём анатомическим классам зубов.
Автоматический анализ интраоральных фотографий зубного ряда остаётся слабо изученной областью: большинство ИИ-решений в стоматологии работает с рентгеновскими снимками, работ по детекции и нумерации зубов на обычных фотографиях единицы, и почти нет решений, доведённых до полноценного клиент-серверного приложения для реальных пользовательских снимков. Работа закрывает этот пробел.
Сформирован и размечен датасет ~4800 интраоральных снимков; постановка задачи разметки пересмотрена итеративно (переход от FDI к четырёхклассовой схеме), что напрямую повлияло на архитектуру системы.
Обоснован переход с YOLO11 (AGPL-3.0) на RF-DETR (Apache 2.0) как управленческое решение по правовому режиму; RF-DETR обучена в распределённом режиме на 4×GTX 1650 и достигла mAP@50:95 ≈ 0,89, Precision ≈ 0,98, Recall ≈ 0,97.
Реализована гибридная многоступенчатая архитектура: RF-DETR + классификатор челюсти EfficientNet-B0 (accuracy 99,9%) + set-модель PointNet + структурный декодер FDI-нумерации с анатомическими ограничениями.
Развёрнут и проверен сквозной клиент-серверный конвейер (FastAPI + Docker, Android на Kotlin/Jetpack Compose) на реальных устройствах и пользовательских данных.
Прототип — исследовательский, не заменяет врача, образует методическую основу для контура телестоматологического скрининга.
пользовательских данных.