人工智能技术用于在口腔内射线图中自动检测周围植入物边缘骨头重塑

科学领域:

• 牙科放射学 牙科放射学
• 医学中的人工智能
• 医疗图像分析 医学图像分析

背景情况:

• 牙周植入物炎是一种常见的并发症,导致牙科植入物周围的骨损失.
• 准确评估边缘骨损失对于诊断和管理周植入炎至关重要.
• 目前的骨质损失评估方法可能是耗时和主观的.

研究的目的:

• 开发一种使用人工智能 (AI) 的自动化图像处理方法,用于检测口内射线图中的骨损失.
• 通过量化植入物周围的骨损失来协助牙科专业人员诊断围植性炎.

主要方法:

• 使用深度学习 (DL) 对象探测器 (YOLOv3) 识别植入物和假肢在X线图中.
• 采用图像理解 (IU) 过程来精确检测边缘和识别骨损失计算关键点.
• 在2920张口腔内射线图 (周周和咬翅) 上训练并测试了DL模型.

主要成果:

• DL物体探测器实现了足够的性能,mAP@0.5得分范围从0.537到0.898.
• 该IU工艺表现出令人满意的性能,具有统计学上显著的p值 (0.0106用于线路装配,0.0213用于点检测).
• 基于人工智能的测量与专家牙医的评估密切一致,表明其准确度很高.

结论:

• 人工智能技术对在牙科放射图中自动检测骨损失有显著的前景.
• 这种方法可以作为一个有价值的工具,以支持牙医在诊断周植入炎.
• 自动化分析可以提高临床实践中骨损失评估的效率和准确性.