用深度学习方法预测受冲击的上第三牙的提取难度

科学领域:

• 牙科 牙科 牙科 牙科
• 口腔和牙面部外科手术
• 人工智能在医学中的应用

背景情况:

• 对受影响的上第三牙进行手术难度评估对于患者的治疗结果至关重要.
• 目前的方法依赖于对放射特征的主观解释.
• 预测工具可以提高术前规划,减少手术风险.

研究的目的:

• 评估深度学习 (DL) 模型在预测外科手术难度方面的有效性.
• 为了利用全景射线图进行手术前评估受冲击的上第三牙.
• 为口腔外科医生开发一个人工智能驱动的决策支持系统.

主要方法:

• 分析了708张全景放射图的数据集.
• 用一个深度学习模型 (YoloV5x架构) 来进行细分和分类.
• 手术难度的得分是基于深度,角度和解剖关系 (阴道,骨头).
• 数据被分为培训 (80%),验证 (10%) 和测试 (10%) 集.

主要成果:

• DL模型在预测受影响的上第三骨细分方面取得了很高的性能.
• 灵敏度,精度和F1分数分别达到了0.9705,0.9428,0.9565的水平.
• 特定的解剖关系模型显示出不同程度的成功,S模型得分为0.8974,0.6194和0.7329.

结论:

• 开发的DL模型在预测受冲击的上第三的手术困难方面表现出有效性.
• 这种人工智能方法可以作为临床医生的宝贵决策支持工具.
• 使用带有DL的全景射线图可以改善口腔外科手术中的术后决策.