基于人工智能 (AI) 的贫血检测使用牙的临床外观
Shubhangini Chatterjee1, Sankari Malaiappan1, Pradeep Kumar Yadalam1
1Periodontics, Saveetha Dental College and Hospitals, Saveetha Institute of Medical and Technical Sciences, Saveetha University, Chennai, IND.
Cureus
|July 23, 2024
概括
机器学习模型可以从牙图像中检测出贫血,帮助口腔健康. 后勤回归实现了85%的准确性,通过人工智能对口内照片的分析,显示出早期贫血检测的前景.
科学领域:
- 口腔医学是指口腔医学.
- 医疗保健中的人工智能
- 血液学 血液学 血液学
背景情况:
- 全球数百万人患有贫血,这种疾病会对口腔健康产生负面影响.
- 贫血与牙周炎通过可以抑制 erythropoietin 生产的炎症性细胞因子有关.
- 早期发现和治疗贫血对于保持牙健康至关重要.
研究的目的:
- 评估三种机器学习 (ML) 方法用于自动化贫血检测.
- 为了评估ML模型的有效性,使用牙的临床口内图像.
- 为了比较逻辑回归,神经网络和天真贝叶斯算法的诊断准确度.
主要方法:
- 使用色软件与SqueezeNet嵌入模型用于ML.
- 在300张口内牙照片上训练并测试了后勤回归,神经网络和天真的贝叶斯算法.
- 使用混矩阵和接收器操作特征 (ROC) 曲线测量预测准确度.
主要成果:
- 三个卷积神经网络 (CNN) 嵌入式ML算法用于贫血检测.
- 纯粹的贝斯实现了0.77.7的曲线下的面积 (AUC).
- 随机森林产生的AUC为0.78,物流回归显示最高的AUC为0.85,相当于分别为77%,78%和85%的准确性.
结论:
- 应用于口内牙图像的人工智能 (AI) 可以准确预测和检测贫血.
- 该研究强调了ML在识别口腔视觉线索中的贫血方面的潜力.
- 建议使用更大的数据集和多种成像方式进行进一步验证,以确认这些发现.
