人工智能在全景放射图上诊断牙科疾病:一项初步研究
Junhua Zhu1, Zhi Chen1, Jing Zhao1
1School/Hospital of Stomatology, Zhejiang Chinese Medical University, Hangzhou, Zhejiang, China.
BMC oral health
|June 3, 2023
概括
这项研究开发了一个人工智能 (AI) 框架,使用深层卷积神经网络 (CNN) 来从全景放射图中诊断牙科疾病. 人工智能表现出高效率和与牙医相当的性能,尽管病诊断需要改进.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 越来越多地用于解释全景射线图 (PR).
- 开发人工智能来诊断多种牙科疾病的牙科医生对于有效的牙科护理至关重要.
研究的目的:
- 开发和评估一个人工智能框架,用于诊断多种牙科疾病在PRs.
- 将AI框架的诊断性能与不同经验水平的牙医进行比较.
主要方法:
- 使用BDU-Net和nnU-Net深层卷积神经网络 (CNN) 构建了一个AI框架.
- 该框架在1996年的PR中进行了培训,并对282个PR进行了评估,评估了灵敏度,特异性,AUC和诊断时间.
- 人工智能表现与使用统计分析 (曼·惠特尼大学,德隆测试) 的牙医高,中,低资历进行了比较.
主要成果:
- 人工智能框架实现了所有诊断疾病的高特异性 (0.990-0.999) 和受影响的牙 (0.964) 和全冠 (0.953) 的高灵敏性.
- 人工智能性能与3-10年经验的牙医相当或优于牙医,特别是在诊断速度方面 (显著更快).
- 人工智能对牙的诊断准确度低于其他疾病,并且在统计学上低于一些经验丰富的牙医.
结论:
- 人工智能框架显示了在PRs上诊断多种牙科疾病的高效率和特异性.
- 临床可行性是指性能与有中等经验的牙医相比或优于牙医.
- 需要进一步改进人工智能框架在诊断牙方面的准确性.
