基于深度学习的检测,在初级牙中检测出不可逆转的牙
Tianyu Ma1, Junxia Zhu1, Dandan Wang1
1Department of Pediatric Dentistry, Peking University School and Hospital for Stomatology & National Engineering Research Center of Oral Biomaterials and Digital Medical Devices & Research Center of Engineering and Technology for Digital Dentistry of Ministry of Health & Beijing Key Laboratory of Digital Stomatology & National Clinical Research Center for Oral Diseases, Beijing, China.
International journal of paediatric dentistry
|May 10, 2024
概括
使用卷积神经网络 (CNN) 的深度学习模型可以从周围的X射线图中检测出初级牙中不可逆转的脉. 这种人工智能方法提供了一个补充工具,用于评估儿科牙科中纤维状况.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 专家们很难在X光照上检测到牙纸的微妙变化.
- 这限制了使用X线图作为纸疾病的诊断辅助.
研究的目的:
- 评估卷积神经网络 (CNN) 图像分析技术是否可以使用周周放射 (PRs) 识别初级牙中不可逆转的脉.
主要方法:
- 一项回顾性研究使用了348张来自接受间接脉治疗的患者的周周放射 (PR).
- 一个EfficientNet CNN模型在这些PR上接受了培训和验证,然后在外部数据集上进行了测试.
- 使用精度,灵敏度,特异性和F1分数来衡量性能.
主要成果:
- 美国有线电视新闻网 (CNN) 模型在内部达到0.90准确度,在外部达到0.85准确度.
- 在不可逆转的肉皮炎组中,与健康的肉皮组相比,观察到较高的平均灰度值 (p=0.013).
结论:
- 一个深度学习模型有效地检测了PRs上深层牙的初级牙中不可逆转的牙.
- 这种人工智能驱动的方法提供了一个实用,补充的工具,用于评估儿科患者的纸状况.
