在CBCT图像上通过对象检测和"直向"分类来诊断异常的上鼻,深度学习策略
Peisheng Zeng1, Rihui Song2, Yixiong Lin1
1Hospital of Stomatology, Guanghua School of Stomatology, Sun Yat-sen University and Guangdong Research Center for Dental and Cranial Rehabilitation and Material Engineering, Guangzhou, China.
Journal of oral rehabilitation
|September 4, 2023
概括
一个新的深度学习模型在CBCT扫描上准确地选上鼻异常,改善牙科植入程序的诊断性能. 这个人工智能工具可以帮助牙医在手术前识别潜在的问题.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 圆光束计算机断层扫描 (CBCT)
背景情况:
- 大鼻异常可能会损害牙植入成功,导致治疗失败.
- 在CBCT图像上诊断这些异常是具有挑战性的,特别是对于经验较少的牙医来说.
- 准确的诊断对于成功的鼻提升和植入程序至关重要.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于使用CBCT图像查上鼻异常.
- 该模型旨在提高诊断这些疾病的准确性和效率.
- 帮助牙医,特别是初级保健医生,识别潜在的风险.
主要方法:
- 使用物体检测技术来定义感兴趣的区域,减少背景噪声.
- 实施了"直向"分类策略,用于临床适应的调整方法.
- 该模型被训练来将图像分类为正常或异常,专注于典型特征.
主要成果:
- 该DL型号实现了高性能,其AUROC为0.953和AUPRC为0.887.
- 该模型在最佳切线点上显示了超过90%的准确性.
- 对比测试显示,模型在诊断准确性方面表现优于牙科学生,与地面真相保持高度一致.
结论:
- 开发的DL模型在CBCT图像上有效选上鼻异常.
- 对象检测和简单分类的结合产生了令人满意的预测性能.
- 这种人工智能驱动的方法可以提高牙科实践中的诊断能力.
