一个深度学习方法自动牙细分在全景放射图的儿童在初级牙科,混合牙科和永久牙科

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:

• 牙损是一种影响儿童的流行口腔疾病.
• 全景射线图是儿科牙科中常见的诊断工具.
• 准确的虫检测对于及时干预和治疗规划至关重要.

研究的目的:

• 评估人工智能 (AI) 模型在细分牙损伤方面的有效性.
• 评估人工智能模型的性能,从儿童的全景X射线图,初级,混合,和永久牙.
• 确定深度学习在儿科牙科成像中用于虫检测的有用性.

主要方法:

• 开发了使用深度学习方法的AI模型,对6075张4至14岁儿童的全景放射图进行了研究.
• 将放射图分类为初级 (n=1857),混合 (n=1406),永久 (n=2812) 的牙组.
• 利用U-Net模型与PyTorch进行损伤细分,并使用混矩阵进行性能评估.

主要成果:

• 人工智能模型在所有牙科组实现了高性能.
• 灵敏度,精度和F1分数在0.7377到0.9128.8之间.
• 整体性能证明了该车型在虫细分方面的强大能力.

结论:

• 基于深度学习的AI模型是儿童全景放射图中牙损伤细分的有效工具.
• 这些人工智能模型显示了提高虫检测和诊断的准确性和效率的巨大潜力.
• 人工智能支持的牙放射图分析可以帮助临床医生在不同牙发育阶段的儿童中管理.