基于人工智能驱动的所有受影响牙的定位以及对全景X光照上的第三牙的冬季角度预测:临床用户界面设计

科学领域:

• 牙科 牙科是指牙科的专业.
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 受冲击的牙是异常的牙形成,无法进入正常位置.
• 早期和准确地检测受损牙对于及时干预和预防并发症至关重要.
• 分类受影响的第三牙有助于治疗规划和预测潜在的问题.

研究的目的:

• 开发一种人工智能 (AI) 模型来检测所有受影响的牙.
• 根据使用AI的冬季分类系统对受影响的第三牙进行分类.
• 评估AI模型在全景射线图上的性能.

主要方法:

• 用了1197张全景放射图来检测受冲击的牙,以及1000张用于冬季分类.
• 采用数据增强和YOLOv8深度学习算法进行模型训练.
• 使用精度,回忆,mAP和F1得分指标评估模型性能.

主要成果:

• 人工智能模型在检测受冲击的牙方面取得了高性能,精度,回忆和F1分数分别为0.991,0.995和0.993.
• 对于受影响的第三牙的冬季分类,该模型的精度,回忆和F1分数分别为0.972,0.967和0.969.
• 为临床应用开发了一个用户友好的图形界面.

结论:

• 基于人工智能的YOLOv8深度学习模型在检测所有受影响的牙方面表现出高精度.
• 该模型成功地根据冬季分类系统对受影响的第三牙进行了分类.
• 这种人工智能方法为牙科专业人员提供了一种可靠的工具,用于诊断受影响的牙.