从低质量和扭曲的牙科放射图中识别牙科植入系统,使用在大型多中心数据集上训练的人工智能
Jae-Hong Lee1,2, Young-Taek Kim3, Jong-Bin Lee4
1Department of Periodontology, Jeonbuk National University College of Dentistry, 567 Baekje-daero, Deokjin-gu, Jeonju, 54896, Korea. ljaehong@gmail.com.
Scientific reports
|June 1, 2024
概括
人工智能 (AI) 在低质量的放射图中有效地识别牙科植入系统 (DIS),优于人类牙医. 为了在牙科成像中广泛使用人工智能,需要进一步标准化.
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
- 牙科植入物学 牙科植入物学
背景情况:
- 目前用于牙科植入系统 (DIS) 的AI往往排除了低质量或扭曲的放射图,限制了临床适用性.
- 准确识别DIS对于治疗计划和患者的治疗结果至关重要.
- 由于文物和质量差,分析受损的放射图像存在挑战.
研究的目的:
- 评估人工智能模型在低质量和扭曲的牙科放射图中识别各种DIS的有效性.
- 将AI模型的分类性能与使用具有挑战性的放射数据集的牙周科医生进行比较.
主要方法:
- 基于ResNet-50的AI模型在156,965张全景和周围图像上进行了训练和验证.
- 一个测试数据集530低质量/扭曲的X线图 (四种类型) 被用于评估.
- 人工智能性能指标 (准确性,精度,回忆,F1分数) 与五个牙周科医生的分类进行了比较.
主要成果:
- 人工智能模型实现了高性能指标:95.05%的准确性,95.91%的精度,92.49%的回忆和94.17%的F1评分在测试数据集上.
- 牙周科医生在同样具有挑战性的X射线图上对DIS进行分类时,平均准确度要低得多,为37.2% (±29.0%).
- 人工智能模型表现出优越的识别DIS的能力,即使在受损的放射条件下.
结论:
- 与牙科专业人员相比,人工智能在从低质量或扭曲的放射图片中识别牙植入系统方面表现出卓越的准确性.
- 开发的AI模型有可能在具有挑战性的牙科放射场景中提高诊断准确性.
- 进一步研究标准化低质量和扭曲的放射图像对于强大的临床AI实施至关重要.
