使用人工智能在周围放射镜上评估根管填充长度
Berrin Çelik1, Mehmet Zahid Genç2, Mahmut Emin Çelik2,3
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Ankara Yıldırım Beyazıt University, Ankara, Turkey. berrincelik@aybu.edu.tr.
Oral radiology
|October 28, 2024
概括
人工智能 (AI) 和图像分析提供了一种新的,准确的方法来评估根管填充 (RCF) 的成功. 这种人工智能方法可靠地使用深度学习模型和周围放射图评估RCF.
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:
- 根管治疗 (RCT) 旨在保护牙,但评估根管填充 (RCF) 的成功可能是具有挑战性的.
- 准确评估RCF对于预测长期治疗结果和患者预后至关重要.
研究的目的:
- 开发和验证一种基于人工智能 (AI) 的新方法来评估根管填充 (RCF) 的成功.
- 评估深度学习模型在分段RCF上在周围放射图 (PAR) 上的性能.
主要方法:
- 基于卷积神经网络 (CNN) 的五种最先进的深度学习模型被用来对597个PAR中的1121颗牙进行RCF细分.
- 模型的性能使用交叉与联合 (IoU),子得分和准确度来量化,最佳模型经历了五倍的交叉验证.
- 为临床医生开发了一个图形用户界面 (GUI) 来标记牙顶部,使牙顶部和RCF预测之间的距离测量能够对填充长度进行分类.
主要成果:
- 基于CNN的模型在RCF细分方面取得了很高的表现,准确度达到88%,IOU为79%,Dice得分为88%.
- 开发的方法成功地根据牙顶部的距离将RCF分类为正常,短或长.
结论:
- 人工智能驱动的图像分析为评估根管填充成功提供了准确可靠的解决方案.
- 这种新的人工智能方法有可能增强临床决策和改善内牙科患者护理.
