AI-Dentify:深度学习用于在咬翼X射线上检测近位 - HUNT4口腔健康研究

科学领域:

• 人工智能在牙科中的应用
• 医学图像分析 医学图像分析
• 深度学习用于诊断支持

背景情况:

• 传统的牙损伤诊断依赖于手动检查咬牙图像和临床检查.
• 这个过程是耗时和主观的,强调了需要先进的诊断工具.
• 人工智能 (AI),特别是深度学习,为牙图像的自动化和高效分析提供了潜力.

研究的目的:

• 评估深度学习模型在检测牙损伤时的有效性.
• 将AI模型的诊断性能与经验丰富的牙科临床医生的诊断性能进行比较.
• 在这种情况下,确定最有效的深度学习架构用于虫检测.

主要方法:

• 在13,887张咬翼图像的数据集上训练了三个对象检测深度学习架构 (RetinaNet,YOLOv5,EfficientDet).
• 六位牙科专家对图像进行了注释,以创建培训和共识数据集.
• 使用五倍交叉验证方案评估模型性能,将AI结果与专家共识进行比较.

主要成果:

• 深度学习模型显示平均精度和F1分数有所提高,与人类注释者相比,假负率降低.
• YOLOv5模型实现了最高的性能,平均平均精度为0.647,平均F1得分为0.548,平均假负率为0.149.
• 这些人工智能指标显著超过了最好的人类注释者得分 (分别为0.299,0.495和0.164).

结论:

• 深度学习模型显示出有很大的潜力,可以帮助牙科专业人员诊断.
• 尤为有效的是YOLOv5架构,它比人类专家的性能大大提高了性能.
• 由于咬翼放射图像固有的图像工件,仍然存在挑战,需要进一步的研究和模型改进.