对人工智能系统的评估,用于在数字全景图像上诊断尖端牙周炎
D Icoz1, H Terzioglu2, M A Ozel3
1Oral and Maxillofacial Radiology, Faculty of Dentistry, Selcuk University, Turkey.
Nigerian journal of clinical practice
|August 28, 2023
概括
一个人工智能 (AI) 系统在全景射线图上在下部检测顶部牙周炎 (AP) 时表现出高精度,但在部的精度较低. 对于不确定的情况,需要进一步细化.
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:
- 牙周膜炎 (AP) 是一种常见的内牙相关的炎症性疾病.
- 在数字全景放射图上准确检测AP对于诊断和治疗计划至关重要.
- 人工智能系统有可能提高牙科放射学诊断的准确性.
研究的目的:
- 评估人工智能 (AI) 系统的诊断性能,用于在数字全景放射图上检测顶端牙周炎 (AP).
- 评估深度学习 (DL) 模型在识别AP的根源方面的有效性.
主要方法:
- 分析了306张全景放射照片的数据集,其中有400根呈现AP的根.
- 一个深度学习 (DL) 模型被开发并使用放射数据进行训练.
- 用回忆,精度和F-测量指标评估诊断性能.
主要成果:
- 人工智能系统总体上实现了高回忆率 (0.98),精度 (0.56) 和F测量率 (0.71).
- 对下 (169/200根) 的检测精度明显高于对部 (56/200根) 的检测精度.
- 没有AP的四根根被误认为有AP.
结论:
- 基于DL的AI系统显示了下中AP检测的有希望的结果.
- 在上,表现受限,特别是对于微妙的迹象,如牙周带扩大.
- 需要进一步开发,以提高人工智能系统的准确性,以检测不确定的AP病例.
