评估人工智能模型在检测牙周病中膜骨损失的有效性:全景放射学研究
Bilge Cansu Uzun Saylan1, Oğuzhan Baydar2, Esra Yeşilova3
1Department of Periodontology, Faculty of Dentistry, Dokuz Eylul University, İzmir 35220, Turkey.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
人工智能 (AI) 在牙科放射图中有效地识别了膜骨损失,显示出诊断牙周炎的巨大潜力. 人工智能模型在上切口区域表现最好,这表明未来有更多数据的牙科诊断有希望.
科学领域:
- 牙科和牙科成像 牙科和牙科成像
- 医疗保健中的人工智能
- 牙周病学和牙周病.
背景情况:
- 膜骨损失是诊断和预后牙周炎的一个关键指标.
- 人工智能 (AI) 在牙科中提供了高效的诊断能力,模仿人类的认知功能.
- 评估AI在检测牙周骨损失方面的作用对于推进诊断工具至关重要.
研究的目的:
- 评估人工智能模型在识别膜骨损失的存在或不存在方面的有效性.
- 为了评估AI模型在不同牙科子区域 (切口,狗,前,牙) 的性能.
- 确定AI在牙周骨损失评估中的分析研究的潜力.
主要方法:
- 在Craniocatch软件中使用基于PyTorch的YOLO-v5模型来检测和细分牙周骨损失.
- 在685张全景放射图上训练人工智能模型.
- 进行了一般和特定区域的评估 (切口,狗,前,牙).
主要成果:
- 人工智能模型在识别膜骨损失方面表现出有效性.
- 最低的灵敏度和F1得分被观察到用于整体膜骨损失检测.
- 大切口区域显示了最高的灵敏度和F1分数,表明在这一区域的AI性能优越.
结论:
- 人工智能显示出在牙科诊断中分析牙周骨损失的巨大潜力.
- 人工智能模型的性能因地区而异,切口是强大的领域.
- 预计机器学习数据集大小的增加将在未来的研究中进一步提高AI准确性.
