从X射线图像中检测,分类和细分牙的系统审查:方法,数据集,评估和开放的机会

科学领域:

• 计算机牙科是指计算机牙科.
• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• 从X射线图像中检测牙损伤对于口腔健康至关重要.
• 技术进步使复杂的计算方法能够用于病变识别.
• 需要进行系统审查,以巩固当前的方法.

研究的目的:

• 系统地审查和分类用于X射线图像中检测牙腐烂的计算方法.
• 识别在该领域使用的占主导地位的技术,成像模式和数据集.
• 了解计算式脏病识别的优势,局限性和趋势.

主要方法:

• 按照PRISMA方法的系统文献审查.
• 来自主要科学数据库 (Science Direct,IEEEExplore,ACM数字,PubMed) 的42项研究的分析.
• 研究的分类基于计算技术 (深度学习,机器学习),任务 (分类,检测,细分),成像模式和数据集.

主要成果:

• 深度学习是主要的方法 (69%的研究).
• 大多数研究侧重于虫的分类 (76%),主要是二元或多类.
• 全景成像是最常见的放射学模式 (29%).
• 只有12%的研究使用了公共数据集.

结论:

• 深度学习方法在放射图像中对自动牙腐烂检测有显著的前景.
• 需要进一步的研究来解决与数据集利用和标准化相关的挑战.
• 本综述提供了计算方法的全面概述,指导未来的牙科成像分析研究和开发.