在牙科放射学中完全自动化片安装:一个深度学习模型
Yu-Chun Lin1,2, Meng-Chi Chen3, Cheng-Hsueh Chen4
1Department of Medical Imaging and Intervention, Chang Gung Memorial Hospital at Linkou, Taoyuan, Taiwan.
BMC medical imaging
|August 18, 2023
概括
这项研究开发了一个深度学习 (DL) 模型用于自动牙膜安装,实现高精度和效率. 适当的X射线膜对齐对于这个自动化系统的最佳性能至关重要.
科学领域:
- 放射学 放射学是一门学科.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 手动安装牙膜耗时且容易出错.
- 自动化这个过程可以提高牙科放射学的效率和准确性.
研究的目的:
- 开发和评估深度学习 (DL) 模型,用于牙科放射图的自动分类和安装.
- 评估模型在口内和口外牙科图像上的表现.
主要方法:
- 一个DL模型使用22,334张口内和1,035张口外图像进行训练.
- 选择ResNet-101架构作为最终模型,对内部和外部数据集进行评估.
- 性能指标包括准确性,精度,回忆和F1得分,并分析了错位影响.
主要成果:
- 该ResNet-101模型实现了高精度 (0.976),精度 (0.969),回忆 (0.984) 和F1得分 (0.977) 的高精度.
- 在数据集 (0.963-0.972) 中,在口内图像中观察到一致的准确性,在口外图像中观察到完美的准确性.
- 随着薄膜错位的增加,模型的准确性下降,但自动安装速度明显更快 (0.17s vs 1.2s).
结论:
- 深度学习模型显示了准确和高效的自动牙膜安装的巨大潜力.
- 确保X射线膜的正确对齐对于最大限度地提高模型的分类准确性至关重要.
