相关实验视频
Updated: Jun 16, 2026
10:26
Inducing Apical Periodontitis in Mice
Published on: August 6, 2019
12.1K
机器学习和深度学习模型用于诊断尖牙周炎:一个范围审查
Ángelo Basso1, Fernando Salas1, Marcela Hernández2,3
1Facultad de Odontología, Universidad Andres Bello, Santiago, Región Metropolitana, 8370133, Chile.
Clinical oral investigations
|October 17, 2024
概括
人工智能 (AI) 模型通过改善在牙科放射图中检测周周放射性病变 (PRLs) 来诊断顶端牙周炎 (AP) 是有前途的. 然而,为了广泛的临床采用,需要标准化报告.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 牙周周围牙周炎 (AP) 诊断依赖于解读牙科放射图来识别牙周周围放射性病变 (PRLs).
- 机器学习 (ML) 和深度学习 (DL) 在诊断准确性方面提供了潜在的进步.
研究的目的:
- 对用于诊断AP的ML和DL模型的文献进行系统审查.
- 评估AI在AP检测中的诊断性能和临床相关性.
主要方法:
- 根据Arksey和O'Malley框架进行了一个范围审查.
- 在PubMed,SCOPUS和Web of Science数据库中进行了相关研究的搜索.
- 来自19个包含的出版物的数据被绘制和分析.
主要成果:
- 人工智能模型显示,通过在X射线上检测PRL来诊断AP的平均灵敏度为83%,特异性为90%.
- 人工智能协助改善了临床医生的诊断灵敏度,而不会对特异性产生负面影响.
- 在数据集大小,标记方法和研究中的算法配置方面存在显著的变化.
结论:
- 人工智能模型显示,通过改进PRL检测,可以显著提高AP诊断的准确性.
- 当前研究中缺乏标准化的报告,这阻碍了建立最终的AI驱动的诊断协议.
- 需要进一步的研究,以扩大人工智能在AP诊断中的应用范围,超越放射性解释.
