深度学习用于预测移除受影响的下第三的难度水平
Vorapat Trachoo1, Unchalisa Taetragool2, Ploypapas Pianchoopat2
1Faculty of Dentistry, Chulalongkorn University, Bangkok, Thailand.
International dental journal
|July 23, 2024
概括
一个新的深度学习 (DL) 系统使用全景放射图有效预测受冲击的下第三 (LM3) 的手术难度. 这种人工智能工具通过评估移除复杂性来帮助进行手术规划.
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:
- 影响下第三 (LM3) 的手术前评估对于手术规划至关重要.
- 全景放射是评估LM3的标准成像技术.
- 预测手术难度有助于优化患者护理和资源配置.
研究的目的:
- 开发和评估一种计算机辅助的深度学习 (DL) 系统,用于预测受冲击的LM3.3的外科切除难度.
- 用全景射线图作为DL系统的主要输入.
- 为了加强对冲击性LM3提取的术前外科规划.
主要方法:
- 一项对来自784名患者的1367张LM3图像 (2021-2023) 的回顾性研究.
- 开发一个三相DL系统,集成ResNet101V2,RetinaNet和Vision Transformer模型.
- ResNet101V2用于冲击分类,RetinaNet用于精确定位,Vision Transformer用于难度评估.
主要成果:
- ResNet101V2实现了0.8671的分类准确度,用于识别受影响的LM3.
- 雷蒂纳网显示LM3检测的平均精度为0.9928.
- 视觉变压器在预测外科手术难度水平方面达到0.7899的平均准确度.
结论:
- 一个3相计算机辅助DL系统在预测受影响的LM3外科切除难度方面表现强.
- 开发的系统有效地使用全景射线图进行手术前评估.
- 这种人工智能驱动的方法为改善牙科手术规划提供了一个有希望的工具.


