在全景X射线图像中的牙细分和病变细分使用CariSeg,一个网络的合奏
Andra Carmen Mărginean1, Sorana Mureşanu2, Mihaela Hedeşiu2
1Computer Science Department, Babes Bolyai University, Mihail Kogalniceanu 1, Cluj-Napoca, 400347, Cluj, Romania.
Heliyon
|May 28, 2024
概括
使用四个神经网络的AI系统CariSeg在X射线中准确地检测牙腔,准确率为99.42%. 通过这种智能系统早期检测腔可以改善口腔健康结果.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 计算病理学计算病理学
背景情况:
- 牙腔是普遍存在的口腔疾病,具有重大后果,包括牙损失.
- 早期检测和干预对于治疗和预防不良结果至关重要.
- 开发先进的诊断工具对于改善牙科护理至关重要.
研究的目的:
- 介绍CariSeg,这是一个智能系统,旨在在X射线图像中准确检测牙腔.
- 利用深度学习和神经网络进行自动化腔位识别.
- 提高牙腐烂的早期诊断,从而改善患者的治疗和结果.
主要方法:
- CariSeg采用采用四个神经网络的多阶段方法.
- 基于U-Net架构的初始网络执行牙细分和图像裁剪.
- 随后的各种病变细分通过U-Net,特征金字塔网络和DeeplabV3架构的集合实现,这些架构在各种牙科放射数据集上受过训练.
主要成果:
- 在检测牙腔中,CariSeg系统实现了99.42%的高准确率.
- 该系统显示,各种损伤细分的平均Dice系数为68.2%.
- 实验结果验证了拟议的AI方法在识别牙X射线腔方面的有效性.
结论:
- 人工智能,以CariSeg为例,通过分析牙X射线来显著帮助检测病变.
- 人工智能系统可以识别人类观察可能错过的,从而促进早期诊断和治疗.
- 人工智能在牙科诊断中的应用有望通过及时干预改善口腔健康结果.
