在CBCT中自动分类内牙治疗质量的系统
Maria Alice Andrade Calazans1, Andréa Dos Anjos Pontual2, Maria Luíza Dos Anjos Pontual2
1Escola Politécnica de Pernambuco, Universidade de Pernambuco, Recife, 50720-001, Pernambuco, Brasil. maac@poli.br.
Clinical oral investigations
|March 20, 2024
概括
使用语网络和卷积神经网络 (CNN) 的新计算系统有效地识别了来自圆束计算机断层扫描 (CBCT) 的内牙技术错误,与牙医相似. 这种人工智能工具显示出对标准化内牙治疗质量评估的承诺.
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
- 牙周内科医疗治疗评估
背景情况:
- 评估内牙治疗质量对于患者的治疗结果至关重要.
- 圆束计算机断层扫描 (CBCT) 为评估提供了详细的成像.
- 牙医手动评估可能是主观的,耗时的.
研究的目的:
- 评估一种用于自动分类内牙技术错误的新型计算系统.
- 将这个人工智能系统的性能与人类牙医进行比较.
- 通过使用圆束计算机断层扫描 (CBCT) 数据来识别内牙技术错误.
主要方法:
- 一个语网络与EfficientNet B1或B7卷积神经网络 (CNN) 结合开发.
- 使用CBCT分析了一千个经过内牙治疗的尾牙.
- 性能指标 (准确度,灵敏度,精度,特异性,F1分数) 计算了AI和牙医.
主要成果:
- 在质量评估方面,人工智能系统的表现与牙医相提并论.
- EfficientNet B1在准确度,灵敏度和特异性方面表现出色.
- 效率网B7显示出卓越的精度和F1得分.
- 周周低密度与内牙技术错误有显著的关联.
结论:
- 基于语网络的人工智能系统提供了一个可比的,潜在的优越的方法来评估内牙治疗的质量.
- 在临床实践中,CNN可以作为支持和标准化内牙治疗质量评估的宝贵工具.
