人工智能应用程序的使用和性能在诊断慢性牙周炎时,基于形光束计算机断层扫描成像
1Second Clinical Division, Peking University School and Hospital of Stomatology; National Clinical Research Center for Oral Diseases; National Engineering Laboratory for Digital and Material Technology of Stomatology, Beijing 100020, China.
概括
一个人工智能 (AI) 系统在束计算机断层扫描 (CBCT) 图像中有效检测慢性尖端牙周炎. 这种深度学习方法显示出高精度,有助于临床诊断.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 慢性牙牙周炎是一种常见的内牙相关疾病.
- 准确的诊断对于有效的治疗计划至关重要.
- 圆束计算机断层扫描 (CBCT) 是评估周周病变的关键成像方式.
研究的目的:
- 评估人工智能计算机辅助诊断系统的诊断性能.
- 评估卷积神经网络算法在检测慢性尖端牙周炎方面的能力.
- 为了比较基于AI的细分与临床医生的手动细分.
主要方法:
- 利用了49名患有慢性牙牙周炎的患者的CBCT数据.
- 采用深度学习模型 (AI 3D U-Net) 来进行病变的表征和细分.
- 通过交叉与联盟 (IOU),子系数和像素精度 (PA) 验证了细分精度.
主要成果:
- 人工智能系统实现了92.18%的IOU,95.93%的子系数和99.27%的PA.
- 在人工智能和人类细分和体积测量之间表现出了很好的一致性.
- 深度学习算法准确地识别和细分了慢性顶牙周炎病变.
结论:
- 利用深度学习的人工智能系统在CBCT图像上有效检测慢性牙周炎.
- 人工智能系统显示出在内牙诊断中临床应用的潜力.
- 以人工智能为基础的分析提供了一种可靠和准确的方法来评估周周病变.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.7K
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
834
