牙科学生使用各种反方法和整合人工智能应用程序的放射性诊断能力-一个随机临床试验
Sarah Rampf1, Holger Gehrig1, Andreas Möltner2
1Department of Conservative Dentistry, University Hospital Heidelberg, Heidelberg University, Heidelberg, Germany.
概括
详细的反显著改善了牙科学生在检测牙下和牙顶部牙周炎方面的放射性诊断技能. 人工智能 (AI) 显示出高精度,这表明它有可能帮助牙科教育.
科学领域:
- 牙科教育 牙科教育
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在牙科教育中,放射性诊断能力至关重要.
- 这项研究评估了反方法和人工智能的可行性,以提高牙科放射学学习成果.
研究的目的:
- 评估详细的反与结果知识对牙科学生诊断能力的反的影响.
- 探索使用人工智能 (AI) 支持牙科放射学教育的可行性.
主要方法:
- 牙科四年级学生使用虚拟放射病例,使用详细的反 (eF) 或结果反 (KOR) 的知识.
- 诊断能力在放射图上测试了,顶牙周炎和图像质量.
- 此外,还评估了人工智能系统 (dentalXrai Pro 3.0) 的诊断准确性.
主要成果:
- 与 KOR 组相比,详细的反组显示出明显更好地检测了牙下和顶端牙周炎.
- 详细的反也改善了对周围图像质量的评估.
- 人工智能系统在各种指标上表现出近乎完美的诊断性能.
结论:
- 详细的反可以提高牙科学生的放射性诊断技能,特别是在虫和牙顶部牙周炎方面.
- 人工智能是一个有前途的工具,可以帮助放射学解释和教育,并可能作为专家标签的替代品.
