DeepPlaq:基于深度神经网络的牙斑块索引
Xu Chen1, Yiran Shen1, Jin-Sun Jeong2
1School of Software, Shandong University, Shandong, 250101, China.
Clinical oral investigations
|September 20, 2024
概括
这项研究表明,人工智能,特别是CNN模型,可以准确评估牙斑点指数. DeepPlaq模型在识别和评分斑块方面表现出强的表现,提高了诊断准确度.
科学领域:
- 牙科诊断 牙科诊断 牙科诊断
- 医疗保健中的人工智能
- 计算机视觉应用程序的应用程序
背景情况:
- 牙斑块评估对于治疗选择至关重要.
- 目前用于斑块评估的方法可能是主观的.
- 需要客观和准确的斑块索引.
研究的目的:
- 验证卷积神经网络 (CNN) 模型在评估牙斑点指数中的有效性.
- 开发和评估一个人工智能驱动的系统,用于客观的牙斑评价.
主要方法:
- 使用了三阶段的人工智能方法,包括You Look Only Once版本8 (YOLOv8) 用于牙检测和Segment Anything Model (SAM) 用于细分.
- 创建了一个由1400个单牙图像组成的新型数据集.
- DeepPlaq的多类分类模型使用Quigley-Hein指数 (QHI) 评分系统进行了训练和验证.
主要成果:
- 牙检测模型实现了大约0.941 ± 0.005.5的平均平均精度 (mAP).
- 在斑块索引中,DeepPlaq模型达到0.84的最大精度,在0-5级别上,平均得分误差低于0.25.
- 人工智能系统在识别牙和细分斑块方面表现出高准确度.
结论:
- 开发的三阶段人工智能方法有效地检测和细分牙以进行斑块分析.
- DeepPlaq 模型显示出对精确的牙斑块指数评估有很大的潜力.
- 人工智能在牙斑评估中的应用可以提高诊断精度和治疗效率.
