完全自动化的深度学习方法在全景放射图中评估牙发育
Seung-Hwan Ong1, Hyuntae Kim1, Ji-Soo Song1
1Department of Pediatric Dentistry, School of Dentistry, Seoul National University, 101 Daehak-ro, Jongno-gu, Seoul, 03080, Korea.
BMC oral health
|April 6, 2024
概括
这项研究引入了一种用于牙发育分阶段的自动深度学习系统,改进了牙年龄估计和成熟度评估. 人工智能工具通过基于Demirjian的快速和客观评估来帮助牙医.
科学领域:
- 人工智能在牙科中的应用
- 对于医学成像的深度学习
- 牙发展评估 牙发展评估
背景情况:
- 评估牙发育对于估计牙年龄和评估牙成熟度至关重要.
- 当前的方法可能是耗时和主观的.
- 在儿科牙科中需要客观和有效的工具.
研究的目的:
- 开发和评估一个自动化的牙科发育分期系统.
- 应用基于Demirjian的方法的深度学习技术.
- 提高牙年龄估计的准确性和效率.
主要方法:
- 使用了5133张匿名全景放射图.
- 实施了三步深度学习管道:检测,细分和分类.
- 在每个阶段使用YOLOv5,U-Net和EfficientNet模型.
主要成果:
- 实现了高性能,mAP的检测值为0.995,细分精度为0.978.
- 分类模型显示了强大的F1分数,特别是对牙 (90.81).
- 格拉德-CAM分析证实了该模型的重点是关键的牙发育特征.
结论:
- 开发的深度学习系统为牙科分期提供了可靠和自动化的方法.
- 这种工具可以显著支持牙医进行快速和客观的牙年龄和成熟度评估.
- 有潜力简化儿科牙科的临床工作流程.
