通过使用人工智能从咬伤放射图片识别儿科患者的初级近道病变
Cesar Gonzalez1, Zaid Badr2, Hamdi Cem Güngör3
1Associate Professor and Chair, Predoctoral Program in Pediatric Dentistry, Department of Developmental Sciences, School of Dentistry, Marquette University, Milwaukee, Wis., USA.
Pediatric dentistry
|October 18, 2024
概括
一个无代码的人工智能 (AI) 模型有效地识别了儿科牙科咬牙翼放射图中的近位,显示出高精度和特异性. 这种人工智能工具显示出改善儿童牙科诊断的前景.
科学领域:
- 人工智能在牙科中的应用
- 牙科放射学 牙科放射学
- 儿科牙科 儿科牙科
背景情况:
- 在儿科患者中早期发现近端脏对于有效治疗至关重要.
- 传统的虫检测方法可能耗时且主观.
- 人工智能的进步为自动诊断工具提供了潜力.
研究的目的:
- 开发一种无代码的人工智能 (AI) 模型,用于识别儿科咬翼放射图中的近端表面.
- 通过使用关键诊断指标来评估AI模型的性能.
主要方法:
- 一个数据集的66个儿科咬翼X射线图被策划,不包括那些有文物或质量差的.
- 图像在无代码的人工智能平台 (LandingLensTM) 上处理,并由专家注释地面真相.
- 用数据增强来增加样本大小,然后进行模型培训,开发和测试.
主要成果:
- 人工智能模型实现了高性能指标:88.8%的灵敏度,98.8%的特异性,96.4%的准确性和92%的F1评分.
- 在曲线下接收器的运行特征面积 (ROC-AUC) 为0.965.
- 该模型即使在有限的数据集大小下也表现出强的性能.
结论:
- 开发的无代码人工智能模型显示,对于准确识别儿科咬伤翅膀近位脏有很大的潜力.
- 该研究强调了排除非最佳射线图的有效性,并使用专家地面真相来开发AI模型的有效性.
- 无代码的人工智能平台可以增强牙科的计算机视觉任务,潜在地改善诊断结果.
