通过人工智能辅助检测咬伤翼X射线图上的近距离间,异位和次要:一种单一的深度学习方法

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:

• 牙损是全球流行的一种口腔疾病.
• 牙科诊所的诊断错误可能会推迟关键的治疗.
• 精确检测的类型 (近距离,次要,封闭) 是至关重要的.

研究的目的:

• 开发和评估人工智能系统,用于自动检测和定位牙.
• 评估YOLOv8算法的性能,以识别二次性,封闭性和近距离性脏病在咬伤翼的X射线图上.
• 创建一个用户友好的临床决策支持系统,用于检测牙损伤.

主要方法:

• 从牙科学校的数据库收集了860张咬翅的X光片.
• 由口腔放射学家进行注释的近距离间 (D1-D3),次要和封闭性.
• 在80%的数据上训练了YOLOv8算法,10%用于验证,10%用于测试.
• 使用Python PyQT5.5开发了一个临床决策支持系统接口.

主要成果:

• 人工智能系统在测试组中实现了高性能指标.
• 平均精度:0.97777 平均精度:0.97777 平均精度:0.97777 平均精度:0.977
• 平均灵敏度:0.932 个
• 平均F1成绩:0.954 平均F1成绩:0.954 平均F1成绩:0.954 平均F1成绩
• 该系统获得了牙医对临床使用的全面批准.

结论:

• 基于人工智能的牙腐烂检测系统表现出高精度和可靠性.
• YOLOv8显示了提高诊断灵敏度和减少牙医工作量的潜力.
• 该系统可以显著防止牙科诊所的诊断错误,改善患者护理.