在使用深度学习的全景放射图上,自动诊断下沟通道与第三牙之间的真实距离

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:

• 评估下沟通道的近距离对于安全的第三牙提取至关重要.
• 全景射线图在准确描绘这种关系方面存在局限性.
• 圆束计算断层扫描 (CBCT) 提供了更精确的评估,但需要额外的成像.

研究的目的:

• 开发一种自动化的深度学习方法,仅使用全景放射图来确定下沟通道的近距离.
• 在这个诊断任务中评估不同深度学习模型的性能.

主要方法:

• 分析了来自全景放射图的901个第三牙的数据集.
• 使用CBCT成像作为确认近距离 (真实接触或非接触) 的黄金标准.
• 三种深度学习模型 (RetinaNet,YOLOv3,EfficientDet) 进行了培训和评估.

主要成果:

• 在测试的模型中,EfficientDet实现了最高的性能.
• 在检测近距离时,EfficientDet的准确度为78.65%,灵敏度为82.02%和特异性为75.28%.
• 该模型成功地区分了真实接触和真实非接触场景.

结论:

• 开发的深度学习方法提供了一个可行的替代方案,用于从全景放射图评估下沟通道的近距离.
• 这种人工智能驱动的方法可以帮助临床医生进行手术前的规划,从而减少对CBCT的需求.
• 这些发现突出了人工智能在提高牙科诊断准确性和效率方面的潜力.