在全景放射图中使用自动深度学习检测脉石:人工智能试点研究
Ali Altındağ1, Serkan Bahrilli1, Özer Çelik2
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Necmettin Erbakan University, 42090 Konya, Turkey.
Diagnostics (Basel, Switzerland)
|May 11, 2024
概括
深度学习有效地通过使用YOLOv5.5在全景X射线中检测皮质石头. 这种人工智能方法显示出改善牙科诊断和效率的前景.
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:
- 纸石是牙纸腔内的化.
- 在全景放射图中检测它们对于诊断至关重要.
- 自动检测方法可以提高诊断的准确性和效率.
研究的目的:
- 评估深度学习方法用于全景图像中自动检测纸石.
- 评估YOLOv5架构对此任务的性能.
- 探索AI在牙科临床决策支持中的潜力.
主要方法:
- 2409张全景放射图像的数据集被策划和标记.
- 图像被分为培训 (80%),验证 (10%) 和测试 (10%) 集.
- 使用YOLOv5架构进行基于深度学习的检测.
主要成果:
- 在测试数据集上,YOLOv5模型获得了0.7892的F1得分,0.8026的灵敏度和0.7762的精度.
- 深度学习算法在识别纸石方面取得了显著的成功.
- 这项研究强调了数值识别在皮质石检测中的有效性.
结论:
- 深度学习,特别是YOLOv5模型,在全景成像中有效用于自动检测纸石.
- 预计更大的数据集将进一步提高模型性能.
- 基于人工智能的临床决策支持系统可以提高牙科实践的效率和有效性.
