在全景放射图上使用深度学习方法自动检测和编号永久牙
Ramadhan Hardani Putra1, Eha Renwi Astuti1, Dina Karimah Putri2
1Department of Dentomaxillofacial Radiology, Faculty of Dental Medicine, Universitas Airlangga, Surabaya, Indonesia.
Oral surgery, oral medicine, oral pathology and oral radiology
|August 26, 2023
概括
深度学习模型在全景放射图中准确地检测和编号牙. 对于自动牙检测和编号,YOLO v4 模型的性能明显超过了人类的速度.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在全景放射图中自动检测和编号牙对于牙科诊断至关重要.
- 传统的方法可能耗时,容易出现人为错误.
研究的目的:
- 为了评估深度学习 (DL) 模型在全景放射图中自动化牙编号的性能.
- 为了比较DL模型与人类牙医的效率.
主要方法:
- 使用了500张全景图像的数据集,分为培训 (80%) 和测试 (20%) 集.
- 牙编号使用了32个类的通用编号系统,使用LabelImg软件进行注释.
- 你只看一次 (YOLO) v4深度卷积神经网络模型用于通过混矩阵对象检测和性能评估.
主要成果:
- YOLO v4 模型实现了高性能指标:88.5%的准确性,87.70%的精度,100%的回忆,以及牙检测和编号的93.44%F1得分.
- 使用YOLO v4进行的自动编号平均时间为20.58 ± 0.29 ms,比人类牙医要快得多 (P < .0001).
结论:
- 深度学习,特别是YOLO v4模型,为全景放射图中自动牙检测和编号提供了可行的解决方案.
- 这种DL方法可以通过提供准确和快速的牙识别来帮助牙医,增强日常临床实践.
