深度学习用于全景放射图中的牙识别和列举
Soroush Sadr1, Hossein Mohammad-Rahimi2,3, Mohammad Soroush Ghorbanimehr4
1Department of Endodontics, School of Dentistry, Hamadan University of Medical Sciences, Hamadan, Iran.
Dental research journal
|January 3, 2024
概括
这项研究引入了一种两步深度学习方法,用于全景放射图中自动编号牙,在牙计数中达到95%的准确性. 这种人工智能方法有助于牙医准确的牙科诊断和识别.
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:
- 准确的牙识别和计数是牙科诊断的关键第一步.
- 全景射线图通常用于其广的视野和低辐射剂量.
- 在X光照中自动化牙编号可以减少诊断错误.
研究的目的:
- 评估一种新的两步深度学习框架的准确性,用于全景放射图中自动识别和列举牙.
- 评估深度学习模型在检测象限和编号牙方面的性能.
主要方法:
- 一项追溯观察性研究,涉及1007张由经验丰富的牙医标记的全景放射图.
- 图像预处理使用对比度有限的适应性直方体平衡.
- 一种两步的深度学习方法,利用更快的基于区域的卷积神经网络进行象限检测和随后的牙编号.
主要成果:
- 象限检测实现了100%的平均精度 (AP50).
- 牙计数显示了95%的平均精度 (AP50).
- 深度学习框架在自动牙计数中产生了很高的准确性.
结论:
- 开发的两步深度学习框架显示了全景放射图上牙自动计数的有希望的结果.
- 建议对各种数据集和现实世界临床环境进行进一步验证.
- 这种人工智能驱动的方法有可能提高牙科的诊断效率和准确性.
