在全景射线图上自动检测牙状况:挑战,陷和机遇
Sorana Mureșanu1, Mihaela Hedeșiu1, Liviu Iacob2
1Department of Oral and Maxillofacial Surgery and Radiology, Iuliu Hațieganu University of Medicine and Pharmacy, 32 Clinicilor Street, 400006 Cluj-Napoca, Romania.
Diagnostics (Basel, Switzerland)
|October 25, 2024
概括
一个人工智能 (AI) 模型显示出在全景放射图上检测牙疾病的前景,有助于放射治疗前的查. 需要进一步开发,以提高其对不同患者数据的准确性.
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:
- 人工智能 (AI) 在牙科的整合为增强诊断工作流提供了潜力.
- 人工智能可以改善牙科病理的检测,并帮助头癌患者进行放射治疗前查.
研究的目的:
- 开发和验证一种人工智能模型,用于使用全景放射图检测各种牙科疾病.
- 在放射治疗治疗之前,专门识别有风险的牙.
主要方法:
- 一个YOLOv8模型在1628张注释的全景射线图上受过训练.
- 对来自多个中心的180张X线图进行了外部验证.
- 该模型的设计是为了检测周周病变,受影响的牙,根碎片,假肢修复和正牙器件.
主要成果:
- 人工智能模型在检测植入物,内牙治疗和外科设备方面表现出强的表现 (精度/回忆>0.8).
- 在外部验证过程中,性能下降,这表明普遍性存在挑战.
- 检测周周病变和骨损失需要进一步改进.
结论:
- YOLOv8模型显示了训练数据集中的几个牙科疾病的强大检测能力.
- 提高对外部数据集的概括性对于临床应用至关重要.
- 需要进一步精细化,以改善AI的性能,用于治疗周周病变和骨质损失等疾病.


