在咬翼放射片中自动检测 - - 第二部分:实验性比较
Antonín Tichý1, Lukáš Kunt2, Valéria Nagyová1
1Institute of Dental Medicine, First Faculty of Medicine of the Charles University and General University Hospital in Prague, Prague, Czech Republic.
Clinical oral investigations
|February 5, 2024
概括
一种自动深度学习方法用于检测咬牙的牙损伤,这种方法在咬牙的放射图像中被经验丰富的牙医以及经验丰富的牙医执行,超越了新手. 这种人工智能工具可以提高虫检测的准确性和一致性.
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:
- 通过咬翼放射检测牙损伤,对于及时干预至关重要.
- 专家对虫检测的共识可能是可变的,影响诊断的准确性.
研究的目的:
- 为了将自动深度学习方法的诊断性能与多名牙医进行比较,用于在咬翼放射图中检测.
- 在没有明确的基本真相的情况下,评估自动方法的性能.
主要方法:
- 四名牙科专家和三名新手在100张咬牙翼的X光片上使用边框手动识别.
- 一个自动对象检测深度学习模型处理了相同的数据集.
- 使用基于误差计数和交叉与结合 (IoU) 的对对比来评估标注器性能,引用共识标准和模型的训练标注器.
主要成果:
- 自动方法在平均误差方面超过了所有牙医,除了最初的注释者,在IOU中排名很高.
- 与共识标准相比,自动方法在错误计数方面表现最好,在IOU方面略低于平均水平.
- 与原始注释器相比,自动方法实现了最高的IOU,只有一个专家犯的错误较少.
结论:
- 自动深度学习方法在虫检测方面始终优于新手,性能与经验丰富的牙医相提并论.
- 低的专家间共识突出了人工智能工具提高虫检测的准确性和可重复性的潜力,作为一种有价值的第二意见.
