用深度学习算法对周周和咬翼放射图进行分类,分类为周期性健康或疾病
Muhammet Burak Yavuz1, Nichal Sali1, Sevda Kurt Bayrakdar1
1Periodontology, Faculty of Dentistry, Eskişehir Osmangazi University, Eskişehir, TUR.
Cureus
|June 18, 2024
概括
这项研究开发了一种使用深度学习的人工智能 (AI) 算法,以从牙X射线中分类牙周病. 人工智能实现了超过75%的准确性,显示了自动诊断的前景.
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:
- 牙周病的诊断依赖于放射性解释.
- 牙科放射图的自动分析可以提高诊断效率.
研究的目的:
- 开发和评估一个深度学习算法,用于对牙周和牙周健康状况进行牙周周和牙周的X线图的分类.
- 评估人工智能 (AI) 模型的诊断性能.
主要方法:
- 一个深度学习算法 (YOLOv8-cls模型) 在 1120 个周边和 1498 个咬翼放射图上受训.
- 数据集被分为培训 (80%),验证 (10%) 和测试 (10%) 集.
- 算法性能使用混矩阵进行评估,计算灵敏度,特异性,精度,准确性和F1分数.
主要成果:
- 人工智能算法实现了对周周和咬翼放射的分类准确率为75%或更高.
- 对于咬翼放射图,关键指标包括灵敏度 (0.8243) 和精度 (0.7703).
- 对于周周放射,灵敏度,特异性,精度,准确性和F1得分都为0.7500.
结论:
- 开发的AI模型在从X光片中分类牙周病方面取得了显著的成功.
- 人工智能具有评估牙周状况的潜力,并使各种成像模式的自动疾病检测成为可能.
