使用强大的机器学习进行预干预第三摩拉评估
J S Carvalho1,2, M Lotz3, L Rubi1
1ETH Zurich, Department of Computer Science, Zurich, Switzerland.
Journal of dental research
|November 9, 2023
概括
这项研究引入了一个使用机器学习分析牙X射线的AI系统,以预测下第三移除相关的风险. 人工智能系统准确地评估神经附近和根部发育,帮助临床决策.
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:
- 机器学习 (ML) 模型,特别是深度神经网络,越来越多地用于医学图像分析和临床决策支持.
- 精确评估下第三 (M3M) 切除风险,包括接近下膜神经 (IAN) 和根部发育,对于安全的手术程序至关重要.
研究的目的:
- 开发和评估一个人工智能 (AI) 系统用于下第三 (M3M) 切除的牙科决策.
- 通过分析M3M-IAN叠加和M3M根发育的2D正视图来评估M3M移除的风险.
主要方法:
- 利用 4,516 幅全景射线图像的数据集来训练一个空间依赖的 U-Net 和一个 ResNet-101 模型.
- 使用深度神经网络来分类M3M-IAN叠加和M3M根开发.
- 在使用10倍交叉验证和马修的相关系数对120张图像的对照组上评估模型性能.
主要成果:
- 在交叉验证过程中实现了M3M-IAN叠加和根开发任务的高精度值 (0.94和0.93).
- 在控制数据集上展示了强大的概括,准确度为0.9和0.87,而马修的相关系数为0.82和0.75.
- 开发了一个诊断表,以指导决定是否需要基于AI预测的额外3D成像.
结论:
- 开发的AI系统有效地支持下三移除的临床决策.
- 通过提供可靠的风险评估,人工智能工具提高了效率并降低了风险,特别是对经验较少的从业者来说.
- 计算机辅助决策工具显示出改善牙科手术规划和患者结果的巨大潜力.
