深度学习来确定内牙治疗的难度:一个试点研究
Hamed Karkehabadi1,2, Elham Khoshbin1, Nikoo Ghasemi3
1Department of Endodontics, Dental School, Hamadan University of Medical Sciences, Hamadan, Iran.
BMC oral health
|May 17, 2024
概括
这项研究开发了一种深度学习模型,自动评估牙X射线的内牙病例难度. 人工智能模型实现了高准确度,在从周围的X射线图的难度评估中超过了人类牙医.
科学领域:
- 人工智能在牙科中的应用
- 放射图像分析 放射图像分析
- 机器学习用于医学诊断
背景情况:
- 评估内牙科病例的难度对于治疗规划和结果至关重要.
- 目前的方法依赖于主观的人类评估,导致变化.
- 使用人工智能自动化此评估可以标准化并提高准确性.
研究的目的:
- 开发和验证一个深度学习模型,用于自动评估内牙病例难度.
- 为了比较深度学习模型与人类考官的性能.
- 探索自我监督学习对牙科放射学分析的有用性.
主要方法:
- 牙医和内牙科医生对1386张周周放射图的数据集进行了注释.
- 卷积神经网络 (VGG16,ResNet,Inception) 使用转移学习和自我监督对比学习进行训练.
- 模型使用10倍交叉验证进行了评估,并与7名人类审查员进行了比较.
主要成果:
- 基线VGG16模型在分类难度方面实现了87.62%的准确性.
- 自主监督预训并没有提高模型的性能.
- 所有深度学习模型的表现都超过了人类评估者,这些评估者表现出不良的审查者间可靠性.
结论:
- 深度学习模型显示了自动化内牙科病例难度评估的可行性.
- 人工智能驱动的评估为人类评估提供了更客观,更可靠的替代方案.
- 进一步的研究可以完善这些模型用于临床整合.
