自动识别牙和牙周骨损失测量在使用深度学习的人工智能使用数字放射图的自动识别
Chin-Chang Chen1,2, Yi-Fan Wu3, Lwin Moe Aung3
1College of Dentistry, National Yang Ming Chiao Tung University, Taipei, Taiwan.
Journal of dental sciences
|July 5, 2023
概括
一个新的深度学习组合模型准确地检测牙的位置,形状,骨水平和牙科X射线图中的放射性骨损失. 这种人工智能工具在诊断准确性方面明显优于牙医,增强了牙科医疗保健服务.
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
- 牙周诊断 牙周诊断 牙周诊断
背景情况:
- 人工智能 (AI) 为优化牙科治疗提供了高精度和多样化的应用.
- 深度学习 (DL) 模型在分析牙科放射图片方面表现有前途.
研究的目的:
- 提出一种新的深度学习组合模型,用于牙科放射分析.
- 预测牙位置,检测牙形状,并评估牙周骨水平,包括放射性骨损失 (RBL).
主要方法:
- 开发了一种使用深度卷积神经网络 (CNN) 算法 (YOLOv5,VGG-16,U-Net) 的新型组合模型.
- 使用了270名患者的8000张周周放射图.
- 将AI模型的性能与临床评估进行比较.
主要成果:
- DL组合模型在周围的X线图上实现了大约90%的整体准确性.
- 特定检测准确度:牙位置 (88.8%),牙形状 (86.3%),牙周骨水平 (92.61%) 和RBL (97.0%).
- 人工智能模型的准确性超过牙医的平均准确性 (76-78%).
结论:
- DL整体模型是放射检测和牙周病诊断的宝贵工具.
- 高精度和可靠性表明,有可能提高临床性能和牙科服务效率.
