开发深度学习方法,用于牙科全景放射学中对牙进行分类

科学领域:

• 人工智能在牙科中的应用
• 对于医学成像的深度学习
• 牙科诊断 牙科诊断 牙科诊断

背景情况:

• 诊断解释错误和时间限制可能会影响牙科治疗的有效性.
• 人工智能 (AI) 为提高牙科诊断准确性和效率提供了潜在的解决方案.
• 深度学习模型越来越多地被用于医疗保健中复杂的图像分析任务.

研究的目的:

• 利用深度学习开发基于人工智能的临床牙科决策支持系统.
• 为了比较你只看一次V4 (YOLO-V4) 和快速区域的性能与卷积神经网络 (R-CNN) 进行牙分类.
• 确定最有效的深度学习方法,以提高牙科全景放射学中的准确性,速度和检测能力.

主要方法:

• 对1200张牙科全景放射图进行了回顾性分析.
• 在牙分类的语义细分任务上训练深度学习模型.
• 对YOLO-V4和Faster R-CNN性能指标进行比较,包括精度,回忆和F1分数.

主要成果:

• YOLO-V4实现了99.90%的精度,99.18%的回忆率和99.54%的F1得分.
• 更快的R-CNN实现了93.67%的精度,90.79%的回忆率和92.21%的F1得分.
• 与更快的R-CNN相比,YOLO-V4表现出更高的准确性,速度和对受冲和喷发的第三牙的检测.

结论:

• 在牙科全景放射学中,YOLO-V4深度学习方法在牙分类方面比Faster R-CNN更有效.
• 由人工智能驱动的决策支持系统可以帮助牙医,节省时间,减少压力和疲劳的影响.
• 拟议的深度学习方法提高了日常牙科实践中的临床决策.