人工智能:一个可靠的工具来检测状体过程的延长
Jebarani Jeevitha S1, Lokesh Kumar S1, Pradeep Kumar Yadalam2
1Department of Oral Medicine, Radiology, and Special Care Dentistry, Saveetha Dental College and Hospitals, Saveetha Institute of Medical and Technical Sciences (SIMATS) Saveetha University, Chennai, IND.
Cureus
|December 29, 2023
概括
人工智能 (AI) 通过在数字OPG中识别样状体过程延长来准确检测综合征. 物流回归和神经网络人工智能模型实现了100%的准确性,与手动评估相匹配.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 综合征涉及样状体过程延长,通常由OPG手动诊断.
- 手动的OPG评估是耗时的,容易引起观察者之间的变化.
- 放射学中的人工智能正在进步,对人工智能进行的研究仅限于用于状体过程延长检测的研究.
研究的目的:
- 评估AI在数字OPG上检测样形过程延长的准确性.
- 将三个AI算法 (逻辑回归,神经网络,Naïve Bayes) 与手动放射评估进行比较.
主要方法:
- 对400个数字OPG的数据集进行了选,其中169个显示了延长型形过程,200个正常.
- 使用ImageJ软件进行了笔形状过程长度的线性测量.
- 三种人工智能模型 (逻辑回归,神经网络,天真贝叶斯) 被训练并使用准确度,灵敏度,特异性和AUC-ROC等指标进行评估.
主要成果:
- 物流回归和神经网络人工智能模型实现了100%的准确性,在所有性能指标上获得了完美的分数.
- 天真贝叶斯模型显示了相当大的准确性,AUC为78%,超过随机机会,但具有显著的假阳性和负面.
- 后勤回归和神经网络模型都表现出与手动放射性评估相当的性能.
结论:
- 后勤回归和神经网络人工智能算法可以准确地检测数字OPG中的样形过程延长.
- 人工智能对自动检测类型体过程延长有显著的前景,有可能提高诊断效率.
- 虽然天真贝叶斯模型不那么准确,但它仍然比随机猜测更好.
