一个人工智能模型用于植入物细分在周围的X射线图上
Niha Adnan1, Muhammad Hanif2, Khurram Khan2
1Department of Surgery, Aga Khan University Hospital.
概括
一个深度学习 (DL) 算法在PA放射图上有效地细分了牙科植入物,实现了与人类注释器相比较的高精度. 这证明了DLL.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 生物医学成像技术 生物医学成像技术
背景情况:
- 牙植入物放置需要精确的可视化.
- 放射性解释对于评估至关重要.
- 手动对牙植入物进行细分可能会耗时.
研究的目的:
- 开发和评估一种深度学习 (DL) 算法,用于在PA射线图上对牙植入物进行细分.
- 为了比较DL算法的性能与人类注释的基本真相.
主要方法:
- 一组300张PA放射图的数据集被注释为植入物和牙.
- 数据增强将数据集增加到1294张用于训练的图像.
- 一个U-net架构被训练用于植入物细分.
主要成果:
- DL算法实现了93.8%的准确性,90%的精度和83%的回忆.
- F-1得分为86%,交叉路口对联邦的86.4%.
- 对130张未见的图像进行了性能评估.
结论:
- DL算法在PA放射图上对牙部植入物进行细分时表现出高性能.
- 算法的准确性与人类专家的表现相当.
- 这项技术有望改善放射学分析.
