使用U-Net深度卷积神经网络算法对面不对称的基于深度学习的评估.
Sang-Min Jeon1, Seojeong Kim2, Kyungmin Clara Lee3
1California Dental Clinic, Gwangju, Korea.
The Journal of craniofacial surgery
|November 16, 2023
概括
一个深度卷积神经网络 (DCNN) 计算机辅助诊断 (CAD) 系统可以准确地检测脑图上的面部不对称. 这种DCNN系统显示了与正牙医可比的临床可接受的诊断性能.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在正牙科中的应用
背景情况:
- 面部不对称是正牙诊断中常见的问题.
- 准确检测面部不对称性对于有效的正牙治疗计划至关重要.
研究的目的:
- 评估基于深度卷积神经网络 (DCNN) 的计算机辅助诊断 (CAD) 系统的诊断性能,用于检测前后 (PA) 脑图上的面部不对称.
- 为了比较DCNN系统的诊断准确性与牙科专家的诊断准确性.
主要方法:
- 一个基于DCNN的CAD系统使用1020名正牙患者的PA脑图进行了训练.
- 该系统旨在自动评估面部不对称性,部偏差和地标坐标.
- 在25个PA脑图上测试了DCNN的性能,并使用独立的t测试和Bland-Altman图进行分析.
主要成果:
- 基于DCNN的CAD系统与传统分析相比没有显著差异.
- 布兰德-阿尔特曼图表表明DCNN系统与传统方法之间的所有测量都很好.
- 在评估面部不对称性方面,DCNN系统的诊断性能与正牙医相似.
结论:
- 基于DCNN的CAD系统提供了一种临床上可接受的方法,用于诊断PA脑图上的面部不对称.
- 这种人工智能驱动的方法有可能帮助正牙医在常规诊断评估中进行诊断.
- 进一步验证可能会证实其在提高诊断效率和正义牙科准确性方面的实用性.


