Dentalne nadogradnje su komponente koje se koriste u dentalnoj implantologiji. One se pričvršćuju na dentalni implantat ugrađen u kost lubanje ili čeljusti pacijenta, a protetski nadomjestak se zatim pričvršćuje na nadogradnju. Na uspješnost implantološke terapije utječe svaka korištena komponenta, pa tako i dentalna nadogradnja. Individualne dentalne nadogradnje, prilagođene pojedinačnim pacijentima, pokazuju bolja mehanička svojstva i dosjedanje na zubno meso od standardiziranih, konfekcijskih nadogradnji. Za bolje razumijevanje uspješnosti terapija s individualnim dentalnim nadogradnjama važno je analizirati njihovu geometriju radi boljeg razumijevanja značaja njihove geometrije. Nenadziranim strojnim učenjem može se analizirati geometrija individualnih dentalnih nadogradnji bez ljudske pristranosti. Iako je strojno učenje uspješno implementirano u različitim područjima, njegova primjena na 3D modelima je i dalje ograničena zbog neujednačene diskretizacije podataka i manjka označenih skupova podataka. 3D modeli su uobičajeno opisani oblakom točaka ili mrežastim modelima, a strojno učenje se često radi s voxel modelima zbog ujednačene diskretizacije podataka. Individualne dentalne nadogradnje pogodni su kandidati za analizu nenadziranim strojnim učenjem kako bi se pojednostavio proces konstruiranja. Ovaj rad primjenjuje nekoliko ML metoda za analizu geometrije individualnih dentalnih nadogradnji koristeći nenadzirano učenje s voxel modelima nadogradnji. Korištene su tri metode strojnog učenja bez nadzora: K-Means za segmentaciju, konvolucijski autoenkoder za rekonstrukciju i kodiranje, te analiza glavnih komponenti i K-Means za klasifikaciju individualnih dentalnih nadogradnji. K-Means je učinkovito segmentirao nadogradnje u dijelove, ali je imao poteškoća sa širim koronalnim dijelovima. Analiza glavnih komponenata i K-Means su identificirali važne značajke individualnih dentalnih nadogradnji, te su ih klasificirali u šest kategorija. Konvolucijski autoenkoder je generirao kodiranu reprezentaciju od 16 vrijednosti, što je omogućilo klasifikaciju, ali je kvaliteta rekonstrukcija varirala. Individualne dentalne nadogradnje pretkutnjaka i kutnjaka imaju bolje rekonstrukcije od nadogradnji sjekutića i očnjaka. Ovi rezultati pokazuju potencijal za automatizaciju označavanja i pojednostavljenje konstruiranja individualnih dentalnih nadogradnji nenadziranim strojnim učenjem.
