使用深度学习算法从全景放射图中检测牙周骨损失模式和裂缺陷:一项回顾性研究
Sevda Kurt-Bayrakdar1,2, İbrahim Şevki Bayrakdar3,4, Muhammet Burak Yavuz5
1Faculty of Dentistry, Department of Periodontology, Eskisehir Osmangazi University, Eskisehir, 26240, Turkey. dt.sevdakurt@hotmail.com.
BMC oral health
|January 31, 2024
概括
使用人工智能 (AI) 的深度学习算法在从全景放射图中检测牙周骨损失模式时显示出高准确度. 这种人工智能系统展示了详细的牙科诊断和治疗规划的潜力.
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:
- 牙周骨损失是牙疾病严重程度的关键指标.
- 全景放射图通常用于牙科评估.
- 准确检测骨损失模式对于有效的治疗计划至关重要.
研究的目的:
- 开发一种深度学习算法,用于解释全景射线图.
- 评估算法在检测牙周骨损失和模式方面的性能.
- 评估人工智能系统在识别孔缺陷方面的实用性.
主要方法:
- 开发了一个具有U-Net架构的卷积神经网络 (CNN).
- 分析了1121张全景射线图.
- 骨损失 (总膜,牙间,口) 和模式 (水平,垂直) 经过细分使用细致标记.
主要成果:
- 人工智能系统实现了高诊断性能,曲线下的面积 (AUC) 为0.951的总膜骨损失.
- 性能因缺陷类型而异,垂直骨损失的最低AUC为0.733.
- 在检测全膜骨损失时,观察到高灵敏度和精度.
结论:
- 人工智能系统,特别是CNN算法,显示出从X射线图中识别牙周骨损失和裂缺陷的重大前景.
- 这项技术可能会自动评估牙周病的严重程度.
- 这些发现表明未来在治疗规划和分析各种牙科放射图中的应用.


