深度学习模型用于在全景X射线图上自动评估下第三关节和下膜神经之间的接触
Katsuki Takebe1, Tomoaki Imai1,2, Seiko Kubota1,3
1Department of Oral and Maxillofacial Surgery II, Osaka University Graduate School of Dentistry, Suita, Osaka, Japan.
Journal of dental sciences
|July 5, 2023
概括
一个新的深度学习模型准确地评估了全景射线图 (PAN) 上的下第三 (LM3) 和下膜神经 (IAN) 关系. 这种人工智能工具可以帮助外科医生决定何时使用圆束计算机断层扫描 (CBCT) 以获得更清晰的图像.
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:
- 全景放射 (PAN) 对于评估第三下 (LM3) 和下膜神经 (IAN) 之间的解剖关系至关重要.
- 准确的评估对于手术规划和预防LM3提取过程中神经损伤至关重要.
研究的目的:
- 开发和评估一个深度学习模型,用于在PAN上自动化LM3-IAN关联评估.
- 将模型的性能与口腔外科医生的评估进行比较.
主要方法:
- 你只看一次 (YOLO) 版本3的深度学习算法是在579个LM3 PAN图像上训练的.
- 使用图像增强技术来增加训练数据集大小.
- 模型性能在原始和外部数据集上得到验证,LM3-IAN接触被使用圆束计算断层扫描 (CBCT) 分类.
主要成果:
- 该YOLO模型实现了高精度 (0.894-0.927),回忆 (0.919-0.925),精度 (0.891-0.971) 和F1得分 (0.908-0.944).
- 口腔外科医生在所有评估类别中表现较低 (准确率为0.615-0.628,回忆率为0.497-0.821,精度为0.607-0.876,F1得分为0.634-0.698).
结论:
- 深度学习模型有效地自动化了PAN上的LM3-IAN关联评估.
- 这种人工智能工具可以帮助口腔外科医生优化CBCT在关键手术决策中的使用.
