"确定机器学习模型用于测量牙周骨损失的有效性"
Diego Cerda Mardini1, Patricio Cerda Mardini1,2, Daniela Paz Vicuña Iturriaga1
1Universidad de los Andes, Chile, Facultad de Odontología, Santiago, Chile.
BMC oral health
|January 17, 2024
概括
一个新的机器学习模型可以从全景放射图中实时自动诊断牙周骨损失 (PBL). 虽然它对轻度至中度病例有效,但它与严重的骨损失作斗争.
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:
- 牙周炎是普遍存在的,需要改进的诊断工具.
- 机器学习 (ML) 越来越多地用于牙科中自动化放射分析.
研究的目的:
- 评估ML模型在全景放射图上测量牙周骨损失 (PBL) 的准确性.
- 将ML模型的诊断性能与牙科专业人员进行比较.
主要方法:
- 使用了2010年全景射线图的数据集,其中1970用于培训和40用于测试.
- 开发了一个三组件的ML模型,利用统计推断,卷积神经网络和PBL计算算法.
- 在受控条件下,模型的诊断能力与放射科医生,牙周科医生和一般牙医进行了比较.
主要成果:
- 该ML模型在诊断轻度至中度牙周骨损失方面表现出可接受的性能.
- 该模型实现了实时诊断功能.
- 该模型在诊断严重的牙周骨损失方面是无效的,其灵敏度,精度和F1分数为零.
结论:
- 一个新的机器学习模型已被开发用于自动化牙周骨损失诊断.
- 该模型在全景射线图中显示了特定PBL严重程度水平的可接受性能.
