用定量光诱导光 (QLF) 图像对永久牙的卷积神经网络进行牙损伤的分类 in vivo
Eun Young Park1, Sungmoon Jeong2,3, Sohee Kang1
1Department of Dentistry, College of Medicine, Yeungnam University, Daegu, South Korea.
BMC oral health
|December 9, 2023
概括
人工智能 (AI) 通过使用定量光诱导光 (QLF) 图像有效检测牙损伤. 图像细分改进了人工智能
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:
- 牙腐烂检测正在通过人工智能 (AI) 取得进展.
- 量化光诱导光 (QLF) 成像是一种关键技术.
- 人工智能模型正在开发中,用于分析QLF图像以检测.
研究的目的:
- 为了评估基于人工智能的牙损伤检测使用QLF图像的有效性.
- 为了评估一个卷积神经网络 (CNN) 模型对虫病分类的性能.
- 为了比较具有和没有牙区域细分的诊断性能.
主要方法:
- 从606名参与者收集了2814张QLF口内图像的数据集.
- 应用了Xception CNN模型用于虫的分类.
- 牙区域细分是通过手动准备面具图像来执行的.
主要成果:
- 人工智能模型使用原始QLF图像实现了83.2%的准确度,85.6%的精度和86.9%的灵敏度.
- 在牙区域细分后,性能提高到85.6%的准确度,88.9%的精度和86.9%的灵敏度.
- 在前牙和牙之间,表现一致.
结论:
- 人工智能对QLF图像的应用显示了后牙下腔的分类表现良好.
- 牙区域细分可以提高AI模型的诊断性能.
- 人工智能为客观检测牙提供了一个有前途的工具.


