使用人工智能预测皮质暴露在空挖掘前:基于深度学习的图像数据与标准牙科放射图相比
Shaqayeq Ramezanzade1, Tudor Laurentiu Dascalu2, Bulat Ibragimov2
1Cariology and Endodontics, Section of Clinical Oral Microbiology, Department of Odontology, Faculty of Health and Medical Sciences, University of Copenhagen, Copenhagen, Denmark, Nørre Allé 20, DK-2200 Copenhagen N, Copenhagen, Denmark.
Journal of dentistry
|October 1, 2023
概括
人工智能 (AI) 显著提高了牙科学生预测皮质辐射照曝光的能力. 然而,学生们从人工智能预测中仅略有受益,这表明需要更容易解释的人工智能模型.
科学领域:
- 牙科放射学 牙科放射学
- 人工智能在医学中的应用
- 机器学习 机器学习
背景情况:
- 纸暴露的预测在内牙诊断中至关重要.
- 传统方法依赖于放射和临床数据.
- 人工智能为提高诊断准确性提供了一种新的方法.
研究的目的:
- 评估人工智能驱动的放射信息对牙科学生纸暴露预测的影响.
- 将人工智能辅助的预测与标准数据解释进行比较.
主要方法:
- 一个多路径神经网络 (ResNet-50 CNN + 基于距离的NN) 已被开发用于纸暴露预测.
- 分析了292张手术前咬伤翼的X线图.
- 25名牙科学生根据所提供的信息 (X射线图,临床数据,AI预测或组合) 分成四组.
主要成果:
- 人工智能模型获得了0.71的优异F1得分,超过了所有学生组 (P < 0.001).
- 使用人工智能预测的学生在F1得分 (0.61) 与没有使用的人 (0.58-0.59) 相比略有改善,具有边界统计学意义 (P = 0.054).
结论:
- 人工智能在预测纸暴露方面表现出很高的表现.
- 学生们从人工智能预测中只获得了微小的好处,这表明需要更易于解释的AI.
- 进一步开发可解释的AI和理解学习曲线对于有效的临床整合至关重要.
