虫检测的人工智能:一种使用深度学习算法的新型诊断工具
Yiliang Liu1,2, Kai Xia3, Yueyan Cen4
1College of Computer Science, Sichuan University, No.24 South Section 1, Yihuan Road, Chengdu, 610065, China.
Oral radiology
|March 18, 2024
概括
使用ResNet+SAM的新型人工智能工具在X射线中有效检测牙虫. 这种卷积神经网络 (CNN) 模型有助于牙医,提高诊断准确性和牙科实践的效率.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 深度学习用于诊断.
背景情况:
- 通过周周放射检测牙损伤,对于及时干预至关重要.
- 当前的诊断方法可能是主观的,耗时的.
- 深度学习的进步为自动化分析提供了潜力.
研究的目的:
- 开发和评估一个自动化牙腐烂检测工具.
- 使用一个新的卷积神经网络 (CNN) 架构,ResNet+SAM.
- 将模型的表现与传统的CNN和人类牙医进行比较.
主要方法:
- 一个数据集由4278张注释的周周放射图被用来训练ResNet+SAM模型.
- 使用F1得分,准确性和曲线下的面积 (AUC) 等指标来评估性能.
- 梯度加权类激活映射 (Grad-CAM) 可视化模型注意力.
主要成果:
- ResNet+SAM实现了高性能,平均F1得分为0.886和准确度为0.885.
- 该模型在准确性方面超过了初级牙医.
- 辅助牙医的指标有所改善,观察者间的协议也得到了改善.
结论:
- 该ResNet+SAM模型显示出对精确的牙损识别有很大的潜力.
- 这种人工智能工具可以作为有价值的临床决策支持,减少牙医的工作量.
- 自动检测可以提高牙科放射学诊断的一致性和效率.
