基于人工智能的自动预处理和分类,在全景放射图中对受影响的上犬进行全景放射
Ali Abdulkreem1, Tanmoy Bhattacharjee2, Hessa Alzaabi1
1Department of Orthodontics, Hamdan Bin Mohammed College of Dental Medicine, Mohammed Bin Rashid University of Medicine and Health Sciences, Dubai, 505055, United Arab Emirates.
Dento maxillo facial radiology
|February 20, 2024
概括
使用人工智能 (AI) 的全景射线图 (PRs) 的自动剪切显著改善了受影响犬的诊断. 这种人工智能驱动的预处理将分类准确度从84%提高到96%.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 使用全景射线图 (PRs) 来自动化数字工作流程来诊断受影响的犬类存在重大挑战.
- 准确识别受影响的狗狗对于有效的正牙和手术治疗计划至关重要.
研究的目的:
- 探索特征提取,自动裁剪,并使用人工智能作为初步步骤对受影响和非受影响的犬类进行分类.
- 通过PRs的自动化预处理来提高受影响的狗诊断的准确性.
主要方法:
- 使用SqueezeNet架构的卷积神经网络 (CNN) 进行了训练,以进行犬类冲击分类.
- 人工智能探测器是为了识别PRs上的关键解剖标志而开发的,用于自动裁剪.
- 评估了以地标为指导的自动作物对分类准确性的影响.
主要成果:
- 在没有裁剪的情况下,初始分类准确度在接收器操作特征 (ROC) 曲线上达到84%的曲线下面积 (AUC).
- 人工智能地标探测器在约98%的PR中准确识别了地标.
- 使用特定地标的自动作物作物提高了AUC-ROC到96%的受影响的犬类分类.
结论:
- 人工智能算法可以有效地自动化,以预处理公关.
- 自动化预处理显著提高了受影响犬的识别准确性.
