基于人工智能驱动的决策,用于自动化在周围放射图中检测根骨折
Riem Abdelazim1, Eman M Fouad2
1Department of Information Systems, Faculty of Information Technology, Misr University for Science and Technology, Giza, Egypt.
BDJ open
|October 1, 2024
概括
这项研究引入了一个人工智能系统,以帮助牙医使用放射图像检测根骨折. 该系统采用了多个深度学习模型的投票技术,在识别骨折方面实现了高精度和灵敏度,提高了诊断准确度.
科学领域:
- 人工智能在牙科中的应用
- 医学图像分析 医学图像分析
- 深度学习用于诊断.
背景情况:
- 根部骨折的检测具有挑战性,特别是对于经验较少的牙医来说.
- 放射性评估至关重要,但容易出现人为错误.
- 人工智能集成可以自动化并提高诊断准确性.
研究的目的:
- 开发一种基于人工智能的系统,用于检测牙根骨折.
- 帮助自动化诊断和决策过程.
- 为了提高从放射图片的根骨折识别的准确性.
主要方法:
- 利用了400张破碎和未破碎的牙的X光图像.
- 采用数据平衡技术进行样本分布.
- 使用5个预训练的深度学习模型 (VGG16,VGG19,ResNet50,DenseNet121,DenseNet169) 应用了投票技术.
主要成果:
- VGG16以低损失和高准确度指标表现出色.
- DenseNet121有效地管理了过和噪声,实现了平衡的指标和高正预测值 (PPV).
- DenseNet169在模型深度增加后,表现出更好的概括能力.
结论:
- 人工智能系统使用投票方法,在根骨折检测方面表现出高精度和灵敏度.
- 该系统在帮助诊断内牙治疗牙的根骨折方面表现有前途.
- 人工智能集成可以显著支持牙科专业人员识别复杂的骨折.
