在牙X射线图像中基于深度学习识别牙周炎和牙损
Ivane Delos Santos Chen1, Chieh-Ming Yang1, Mei-Juan Chen1
1Department of Electrical Engineering, National Dong Hwa University, Hualien 97401, Taiwan.
Bioengineering (Basel, Switzerland)
|August 26, 2023
概括
这项研究引入了一种深度学习方法,用于在X射线图像中同时检测牙周炎和牙腐烂. 这种方法实现了高精度,帮助牙医更快,更精确地诊断牙科疾病.
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:
- 牙X射线成像对于诊断牙周炎和牙等疾病至关重要.
- 当前的深度学习方法通常集中在单一疾病上,需要更全面的诊断工具.
研究的目的:
- 开发和评估一个深度学习模型,以从牙X射线图像中同时识别牙周炎和牙腐烂.
- 通过自动化图像分析,提高牙科疾病诊断的效率和准确性.
主要方法:
- 利用YOLOv7进行单牙检测,并从周周X射线图像中切割.
- 应用了对比度有限的适应性直方体平衡和双边过,以增强图像和降低噪音.
- 采用EfficientNet-B0架构,具有完全连接的层,用于牙周炎和牙损伤的二进制分类.
主要成果:
- 使用YOLOv7.7.实现了牙检测的97.1%的平均精度.
- 在牙周炎识别方面表现高,ROC AUC为98.67%,PR AUC为98.38%.
- 在牙腐烂识别方面表现出极好的结果,ROC AUC为98.31%,PR AUC为97.55%.
结论:
- 拟议的方法有效地在牙X射线图像中同时识别牙周炎和牙腐烂.
- 这种方法在单一疾病检测方法上提供了显著的进步,促进了更全面,更有效的牙科诊断.
- 高性能指标表明,这种人工智能驱动的工具有潜力支持牙科的临床决策.
