使用基于深度学习的自动化方法提高早期牙病变检测的准确性
Paula Dresch Portella1, Lucas Ferrari de Oliveira2, Mateus Felipe de Cássio Ferreira2
1Stomatology Department, Universidade Federal do Paraná, Avenida Prefeito Lothário Meissner, 632, Jardim Botânico, Curitiba, PR, 80210-170, Brazil. pauladresch@hotmail.com.
Clinical oral investigations
|October 31, 2023
概括
一个卷积神经网络 (CNN) 能够有效地检测早期的. 这种深度学习工具在牙科专业人员作为辅助工具使用时,显著提高了诊断准确性.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 牙腐烂的早期检测对于有效治疗至关重要.
- 传统的诊断方法可能是主观的,可能会错过早期衰变的微妙迹象.
- 深度学习为牙科中客观和准确的图像分析提供了潜力.
研究的目的:
- 评估一个特定的卷积神经网络 (CNN),VGG-19在识别健康牙和早期各种病变时的有效性.
- 评估这种深度学习算法的实用性,作为牙医实践者的补充工具.
主要方法:
- 采用了2,481张后牙图像的数据集,这些图像使用国际虫检测和评估系统 (ICDAS) 进行分类.
- 在这些图像上训练和测试了VGG-19 CNN,结果与参考审查员进行了比较.
- 检查人员的诊断准确性在使用CNN作为辅助工具之前和之后进行了比较.
主要成果:
- VGG-19模型实现了高性能指标,包括0.879的精度和0.887.887的F1得分.
- 牙科检查人员在使用CNN作为辅助工具时显示出更高的准确性,并观察到统计学上显著的增加.
- 美国有线电视新闻网 (CNN) 在检测早期病变方面表现强.
结论:
- VGG-19 CNN对早期牙损伤的可靠检测显示出希望.
- 基于深度学习的自动检测是一种有价值的辅助工具,可以提高诊断准确度,并支持治疗的临床决策.
