用深度学习方法开发的决策支持系统的评估,用于用圆束计算机断层扫描成像检测牙

科学领域:

• 牙科 牙科是指牙科的专业.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 检测牙腐烂对于及时干预至关重要.
• 圆束计算断层扫描 (CBCT) 是一种有价值的成像工具.
• 人工智能系统有可能提高放射学诊断的准确性.

研究的目的:

• 评估人工智能系统 (Diagnocat) 在检测CBCT图像上的牙损伤方面的有效性.
• 为了比较牙大和面部放射科医生的诊断性能,有和没有人工智能辅助.
• 评估人工智能对虫检测中观察者内部和观察者间协议的影响.

主要方法:

• 500个CBCT卷被三个放射科医生分析.
• 放射科医生以五分信心级评分了人工智能辅助和无人工智能辅助的虫存在.
• 使用混合方法建立了基本真相;人工智能使用了深度卷积神经网络 (CNN).

主要成果:

• 人工智能辅助的评估显著提高了诊断准确度,最佳准确度达到0.939.
• 在使用人工智能系统时,所有观察员的ROC曲线下的面积都增加了 (例如,观察员1:0.855到0.920).
• 弗莱斯·卡帕系数从0.325提高到0.468,表明观察者与人工智能之间有更好的协议.

结论:

• 人工智能系统提高了使用CBCT检测牙的放射评估的准确性和兼容性.
• 人工智能协助导致放射科医生更可靠,更一致的诊断.
• 人工智能工具在改善牙科诊断工作流程方面显示出重大前景.