一个基于深度学习的系统,用于使用彩色牙照片评估
Maryam Mehdizadeh1, Mohamed Estai1,2, Janardhan Vignarajan1
1The Australian e-Health Research Centre, CSIRO, Kensington, Australia.
Studies in health technology and informatics
|January 25, 2024
概括
一个新的深度学习系统可以使用照片对儿童进行查,改善远程牙科护理的访问. 这种人工智能工具在识别空洞方面达到79%的准确性,有助于在服务不足的人群中早期检测.
科学领域:
- 医疗保健中的人工智能
- 数字牙科数字牙科
- 公共卫生 公共卫生
背景情况:
- 牙损是全球最常见的慢性儿童疾病.
- 对于偏远/农村地区的儿童来说,获得牙科护理是一个挑战,COVID-19加剧了这一问题.
- 需要自动化,低成本的查系统来进行远程牙科检查.
研究的目的:
- 开发和验证一个深度学习系统,以使用彩色牙照片进行牙损伤评估.
- 评估最先进的深度学习网络对自动化虫检测的有效性.
主要方法:
- 使用了三个深度学习网络:VGG16,ResNet-50和Inception-v3.
- 在1020张儿童牙科照片的数据集上训练并验证了该系统.
- 将图像分为""和"声音"类别.
主要成果:
- 发明-v3网络实现了79%的整体准确性.
- 准确率为95%,回忆率为75%,用于使用Inception-v3.3对""和"声音"进行分类.
- 该系统展示了自动化,远程牙科查的潜力.
结论:
- 一个深度学习系统可以有效地从彩色牙照片中评估牙损伤.
- 这项技术为低成本,自动远程牙科查提供了一个有前途的解决方案.
- 进一步开发可以提高儿童牙损伤的可访问性和早期检测.
