牙年龄估计:对卷积神经网络和德米尔吉安方法的比较研究
Mustan Barış Sivri1, Shahram Taheri2, Rukiye Gözde Kırzıoğlu Ercan3
1Bahçeşehir University, Faculty of Dentistry, Department of Oral and Maxillofacial Surgery, Türkiye.
Journal of forensic and legal medicine
|March 27, 2024
概括
这项研究将卷积神经网络 (CNN) 的年龄估计与使用全景放射图的德米吉安方法进行了比较. 美国有线电视新闻网 (CNN) 的方法,特别是DenseNet201,在儿科患者的年代年龄估计中被证明是准确和有效的.
科学领域:
- 法医牙科 法医牙科
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 计时年龄估计在法医和临床牙科中至关重要.
- 像德米尔吉安这样的传统方法需要专家解释牙发育.
- 全景射线图为牙年龄评估提供了一个非侵入性的来源.
研究的目的:
- 为了比较卷积神经网络 (CNN) 模型与德米尔吉安年龄估计方法的准确性.
- 为了评估各种CNN架构,从全景放射图中对时间表年龄进行估计.
- 确定CNN是否可以作为传统牙科年龄评估技术的可行替代方案.
主要方法:
- 利用了儿科患者 (4-17岁) 的5898张全景X射线.
- 经过培训的研究人员应用了德米吉安的方法.
- 评估了多个CNN架构 (Alexnet,VGG16,ResNet152,DenseNet201,InceptionV3,Xception,NASNetLarge,InceptionResNetV2,MobieNetV2)),这些架构的使用情况也非常好.
主要成果:
- DenseNet201实现了0.73年的最低平均绝对误差 (MAE).
- 在大多数类别中,CNN预测的年龄与实际年龄非常接近.
- 美国有线电视新闻网 (CNN) 的方法与德米尔吉安的方法相符,在12-13岁时出现了轻微的不一致.
结论:
- 卷积神经网络 (CNN) 是对Demirjian的年龄估计方法的适当和潜在的优越替代方案.
- CNN提供了优化的准确性和速度,减少了对专业专家培训的需求.
- 这种人工智能驱动的方法可以提高牙科年龄评估的效率和可靠性.
