一个新的协作学习模型,用于全景放射图中的混合牙和填充物细分

科学领域:

• 人工智能在牙科中的应用
• 机器学习用于医学成像

背景情况:

• 精确解释牙科放射图对于诊断和治疗规划至关重要.
• 人类错误和图像质量问题可能导致牙科放射图的误解.
• 现有的AI模型缺乏同时区分牙类型和检测填充物的能力.

研究的目的:

• 开发一种新的协作学习模型,用于分析全景射线图.
• 同时识别和区分母牙和永久牙.
• 在全景放射图中检测牙填充物.

主要方法:

• 开发了两个高性能分类器:一个用于牙细分 (区分母牙和永久牙) 和一个用于牙填充物检测.
• 利用公开可访问的和密苏里大学堪萨斯城牙科全景放射图像.
• 创建了一种新的协作学习方法,将两个分类器集成在一起,以提高性能.

主要成果:

• 牙细分分类器实现了95.32%的平均精度 (mAP) 和92.50%的F-1得分.
• 牙填充检测分类器实现了91.53%的mAP和91.00%的F-1得分.
• 协作学习模式表现出更好的表现,mAP为94.09%,F-1得分为93.41%.

结论:

• 开发的AI模型有效地识别和区分初级和永久牙,并检测相关的牙填充物.
• 这种模型代表了对全景射线图分析现有的机器学习方法的改进.
• 人工智能工具可以支持牙医的解释,患者沟通和牙科学生教育.