基于观察者和基于人工智能的CBCT数据集读数之间的比较:一个测量器间可靠性研究

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:

• 形束计算断层扫描 (CBCT) 对于诊断牙周疾病至关重要.
• 卷积神经网络 (CNN) 在医疗图像分析中表现有前途.
• 对人类专家进行AI性能评估对于临床采用至关重要.

研究的目的:

• 为了比较人类观察员和CNN在CBCT图像上识别牙周病变的诊断准确度.
• 评估人类读者之间关于检测牙周病变的观察者间协议.

主要方法:

• 38个CBCT数据集由三个校准的全科医生和一个深度CNN (Diagnocat) 分析.
• 人类读者使用3D MPR模式识别了垂直骨损失,裂纹参与和周围骨质解剖.
• 美国有线电视新闻网对同样的数据集进行了自动分析.

主要成果:

• 人类观察者在检测牙周病变方面取得了比CNN更好的表现.
• 在人类读者中观察到良好的或非常好的观察者间一致性.
• 在牙医中发现了对垂直病变检测的适度一致.

结论:

• 在CBCT数据集中,CNN的评估对检测牙周病变是无效的.
• CNN需要进一步培训,才能成为自动化牙周病变评估的可靠工具.
• 人类的专业知识在解释CBCT扫描检查牙周病态方面仍然优越.