深度学习对于在全景放射图上检测周周病变的作用
Berrin Çelik1, Ertugrul Furkan Savaştaer2, Halil Ibrahim Kaya2
1Oral and Maxillofacial Radiology Department, Faculty of Dentistry, Ankara Yıldırım Beyazıt University, Ankara, Turkey.
Dento maxillo facial radiology
|August 29, 2023
概括
深度学习模型可以在全景射线图上准确地检测周周病变. 这种人工智能方法增强了牙科诊断,有利于医疗保健系统.
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:
- 牙周病变是常见的牙科问题.
- 早期检测对于有效治疗至关重要.
- 全景射线图广泛用于牙科评估.
研究的目的:
- 开发和评估深度学习模型,用于自动检测周病变.
- 评估各种深度学习框架在全景射线图上的性能.
主要方法:
- 利用357张全景放射图与454个手动标记的周周病变.
- 应用了10个最先进的深度学习检测框架.
- 评估模型使用指标,如平均平均精度,准确度和F1分数.
主要成果:
- 深度学习模型在检测周周病变方面表现出高的成功率.
- 平均精度在0.832到0.953之间;F1得分高达0.895.5分.
- 视网膜和自适应训练样本选择实现了最佳表现.
结论:
- 深度学习模型可靠地在全景放射图上检测到周周病变.
- 牙科的AI正在彻底改变诊断,并支持临床医生和医疗保健系统.
