深度学习用于儿科全景放射图的诊断图表
International journal of computerized dentistry
|July 7, 2023
概括
一个深度学习 (DL) 程序有效地检测了小牙,永久牙菌和儿童全景放射图上的支架. 虽然有希望,但人工智能模型在识别填充物和根管治疗方面存在局限性.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能 (AI) 系统提高了牙科诊断的准确性和效率.
- 深度学习 (DL) 模型越来越多地用于分析医疗图像.
研究的目的:
- 评估DL程序在检测和分类牙结构和治疗中的性能.
- 评估AI在儿科全景放射图上的诊断能力.
主要方法:
- 使用了基于卷积神经网络 (CNN) 的物体检测模型YOLOv4.
- 分析了来自儿科患者 (5-13岁) 的4821张匿名数字全景放射图.
- 使用SPSS版本 26.0.0.进行的统计分析.
主要成果:
- YOLOv4在母牙 (0.95),永久牙菌 (0.90) 和支架 (0.76) 中获得了高F1分数.
- 该模型证明了检测填充物,根管治疗和超数牙的局限性.
- DL架构提供了可靠的结果与特定的限制.
结论:
- 基于DL的牙结构检测和儿科放射图的治疗有助于早期诊断异常.
- 人工智能可以帮助牙医选择准确的治疗方案,节省时间和精力.


