基于深度学习的牙科计算辅助诊断和通过咬伤式放射图片的图像增强
Tai-Jung Lin1, Yen-Ting Lin1, Yuan-Jin Lin2
1Department of Periodontics, Division of Dentistry, Taoyuan Chang Gung Memorial Hospital, Taoyuan City 32023, Taiwan.
Bioengineering (Basel, Switzerland)
|July 27, 2024
概括
这项研究引入了一个使用YOLOv8的AI系统,用于在咬翼图像中准确检测牙结算,从而实现高精度. 图像增强技术显著提高卷积神经网络的准确性,以便更好地进行牙科诊断.
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:
- 牙结石是一种常见的问题,如果不治疗,可能导致牙炎症和牙脱落.
- 咬牙 (BW) 放射学对于可视化牙结构和在难以进入的区域检测结石至关重要.
- 早期发现牙结石对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和评估一个人工智能驱动的系统,用于检测身体图像中的牙结石.
- 评估YOLOv8在准确识别单个牙的性能.
- 引入和验证图像增强算法,以提高牙科微积分分类的准确性.
主要方法:
- 使用YOLOv8的系统被开发为精确的牙识别在BW图像.
- 将中间和双边过器结合在一起的图像增强算法应用于牙间边缘.
- 谷歌LeNet被用来分类图像增强之前和之后的牙 calculus.
主要成果:
- 对于牙结石检测,YOLOv8系统的精度为97.48%,回忆率为96.81%,特异性为98.25%.
- 图像增强显著提高了谷歌LeNet在分类牙计算中的准确度,从75.00%提高到96.11%.
- 增强的牙间边缘改善了整体诊断准确度.
结论:
- 开发的AI系统在从BW图像中检测牙结石方面表现出高的准确性和效率.
- 图像增强技术有效地提高了牙科微积分分类的深度学习模型的性能.
- 这项技术有可能简化牙科咨询,提高牙科服务的效率.
