深度学习方法自动诊断牙周骨损失和牙周炎阶段在牙科全景放射图中
Ting Xue1, Lei Chen1, Qinfeng Sun2
1Department of Stomatology, Qilu Hospital (Qingdao), Cheeloo College of Medicine, Shandong University, Qingdao, 266035, China.
Journal of dentistry
|September 27, 2024
概括
这项研究引入了一个深度学习 (DL) 组合模型来分析牙科放射图. 人工智能模型准确地检测牙科问题,帮助牙医进行诊断,提高牙科护理效率.
科学领域:
- 人工智能在牙科中的应用
- 对于医学成像的深度学习
- 牙周病的诊断 牙周病的诊断
背景情况:
- 牙科疾病需要准确有效的诊断方法.
- 人工智能 (AI) 为自动牙科诊断提供了潜力.
- 深度学习 (DL) 模型可以分析复杂的医学图像,如X射线图.
研究的目的:
- 开发一种基于卷积神经网络 (CNN) 的DL组合模型.
- 利用人工智能用于牙位置和轮细分,组织细分和牙周骨损失预测.
- 评估模型在诊断牙周炎阶段的准确性和效率.
主要方法:
- 从320名患者 (8462颗牙) 收集和非识别的牙科全景放射图.
- 采用了包含YOLOv8,Mask R-CNN和TransUNet算法的DL集合模型.
- 将DL模型的预测与经验丰富的牙周科医生的诊断进行了比较.
主要成果:
- 与专家诊断相比,牙周骨损失程度的偏差达到5.28%.
- 与牙周科医生的诊断有很高的相关性 (PCC=0.832,ICC=0.806,P < 0.001).
- 达到了DL方法的总诊断准确率为89.45%.
结论:
- 拟议的DL组合模型对于放射检测牙周病是准确和有效的.
- 这种人工智能工具可以作为牙周诊断的宝贵补充,提高临床性能.
- 该模型显示了改善牙科健康服务,帮助诊断和作为学习资源的潜力.
