使用深度学习的全景放射图自动计算牙年龄:采用对象检测和图像分类的两阶段方法

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:

• 牙科年龄估计对于儿科和正牙治疗规划至关重要.
• 目前的放射学方法依赖于手工,耗时的过程.
• 需要自动化,高效的牙年龄计算.

研究的目的:

• 开发和验证一种全新的,全自动的牙年龄计算方法.
• 在全景放射图上利用深度学习技术来估计牙年龄.
• 将自动化方法的准确性与人类专家的手动计算进行比较.

主要方法:

• 采用了两阶段的深度学习模型,使用Scaled-YOLOv4检测牙细菌,使用EfficientNetV2 M进行发育阶段分类.
• 这些模型在超过8000张全景射线图上接受了训练.
• 评估了不同的方法 (单一选择,加权平均值,预期值) 以将分类概率转换为牙科年龄.

主要成果:

• 牙细菌检测实现了98.26%的平均精度.
• 单根和多根牙细菌的分类达到Top-3准确率,分别为98.46%和98.36%.
• 权重平均方法的平均绝对误差为0.261,表明在不到一个发育阶段的准确性.

结论:

• 拟议的两阶段深度学习方法可以从全景放射图中自动计算牙年龄.
• 该方法实现了临床上可接受的准确性,与手工估计相当或超过手工估计.
• 这种自动化系统为牙年龄评估提供了一个有希望的,高效的替代方案.