在深度学习中使用组合技术检测牙损伤的诊断准确性,使用口腔内摄像头图像进行深度学习
Sohee Kang1, Byungeun Shon2,3, Eun Young Park1
1Department of Dentistry, College of Medicine, Yeungnam University, Daegu, South Korea.
PloS one
|September 6, 2024
概括
集成深度学习模型从口腔内摄像头图像显著改善了牙腐烂的检测. 这种方法提高了识别的诊断准确性,为牙医提供了一个有前途的工具.
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:
- 深度学习 (DL) 显示了使用口腔内摄像头图像进行牙损伤查的前景.
- 组合技术可以潜在地提高DL模型的诊断性能在这个应用程序.
研究的目的:
- 应用和评估组合深度学习技术的诊断性能,以检测牙损和病变局部化,使用口腔内摄像头图像.
主要方法:
- 在分类任务中使用了2682张口腔内摄像头图像的数据集.
- 使用多个DL模型 (ResNet-50,Inception-v3,Inception-ResNet-v2,更快的R-CNN) 进行了测试.
- 采用了整体方法,使用AUROC和AP指标评估绩效.
主要成果:
- 整体DL模型始终提高牙腐烂分类性能.
- 最好的组合模型 (Inception-ResNet-v2) 实现了AUROC为0.94和AP为0.97.
- 一个可解释的DL模型也显示了有利的结果,AUROC为0.91和AP为0.96.
结论:
- 组合技术始终提高了DL模型的性能,用于从口腔内图像进行牙虫的分类.
- 为各种病变检测开发可解释的DL模型显示出有希望的诊断结果.
