在使用深度学习的咬翼修复周围检测
Eduardo Trota Chaves1, Shankeeth Vinayahalingam2, Niels van Nistelrooij3
1Department of Dentistry, Research Institute for Medical Innovation, Radboud University Medical Center, Philips van Leydenlaan 25, Nijmegen, EX 6525, the Netherlands; Graduate Program in Dentistry, School of Dentistry, Federal University of Pelotas, Pelotas, Brazil.
Journal of dentistry
|February 11, 2024
概括
一个新的人工智能 (AI) 算法准确地检测了牙咬牙图像上的初级和二级病变. 这种使用卷积神经网络 (CNN) 的深度学习系统,有助于牙医诊断修复周围的腔.
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:
- 与修复相邻的二次腐烂是修复失败的主要原因.
- 准确诊断牙对于有效治疗和最佳结果至关重要.
- 传统方法包括视觉检查和射线图,有可能增强人工智能.
研究的目的:
- 开发一种基于卷积神经网络 (CNN) 的算法,用于检测初级和二级病变.
- 为了利用深度学习,在咬翼放射图片上改进脏病检测.
- 创建一个自动化系统来帮助临床医生在日常实践中.
主要方法:
- 使用了一个带有Swin变压器骨干的Mask-RCNN架构.
- 数据增强和十倍交叉验证用于模型培训.
- 使用自由响应接收器操作特征 (FROC) 曲线,灵敏度,精度和F1分数来评估诊断准确性.
主要成果:
- 在CNN模型下,FROC曲线下的面积为0.806的原发性虫和0.804的次发性虫.
- 检测初级和二级的F1分数分别为0.689和0.719.
- 开发的算法证明了准确检测两种虫类型.
结论:
- 一个精确的基于CNN的自动化系统,用于检测咬伤翅膀的初级和二级虫已经成功开发出来.
- 这代表了在自动化病诊断方面取得的重大进展.
- 整合初级和二级虫检测可以导致支持临床实践的自动化系统.
更多相关视频
09:10Digital Hybrid Model Preparation for Virtual Planning of Reconstructive Dentoalveolar Surgical Procedures
Published on: August 5, 2021
1.8K
10:32Detection and Quantitation of Label-Retaining Cells in Mouse Incisors using a 3D Reconstruction Approach after Tissue Clearing
Published on: June 10, 2022
1.9K
