在使用定制深度学习模型的全景射线图中,提高牙损和异常的诊断准确性

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:

• 牙损是一个全球口腔健康问题,需要早期检测才能有效管理.
• 全景牙科放射图对于查至关重要,但手动解释是劳动密集的,容易出错.
• 自动化分类系统有可能提高牙科实践中的诊断效率和准确性.

研究的目的:

• 开发和评估一个深度学习模型,用于全景牙科放射图的自动二元分类.
• 评估模型在检测牙损伤,修复和牙周周区域异常方面的能力.
• 通过人工智能驱动的工具,改善牙科专业人员的诊断工作流程.

主要方法:

• 开发了一个定制的深度学习模型,用于对全景牙科放射图的二进制分类.
• 图像预处理技术,包括直方图平衡和过,被用来提高X射线图的质量.
• 该模型使用三个不同的全景牙科放射数据集进行了训练和验证.

主要成果:

• 该模型在检测牙损伤 (97.01%),修复 (81.63%) 和周围牙区域异常 (77.53%) 方面取得了很高的准确性.
• 深度学习方法有效地识别了各种牙疾病的微妙模式.
• 预处理通过解决图像质量问题来提高模型的性能.

结论:

• 拟议的算法显示出从全景X射线图中自动检测牙损伤,修复和异常的巨大潜力.
• 自动化放射分析可以帮助牙医在早期诊断,治疗计划和疾病监测.
• 这种人工智能驱动的方法可以有助于改善患者的口腔保健结果.