基于深度学习的算法,用于分阶段测试咬翅的次要
Niels van Nistelrooij1,2, Eduardo Trota Chaves3,4, Maximiliano Sergio Cenci3
1Department of Oral and Maxillofacial Surgery, Radboud University Medical Center, Nijmegen, The Netherlands.
Caries research
|October 29, 2024
概括
这项研究开发了一种人工智能算法,用于检测牙修复周围的二次. 卷积神经网络 (CNN) 在识别这些病变方面具有很高的准确性,有助于临床决策.
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
- 机器学习用于医学成像
背景情况:
- 有限的人工智能工具可用于检测和分期二次.
- 二次性牙是围绕牙科修复的重大临床挑战.
研究的目的:
- 开发一种基于卷积神经网络 (CNN) 的算法,用于检测和分期二次.
- 使用一种新的方法来确定病变的严重程度.
主要方法:
- 训练了一个口罩R-CNN与Swin变压器在2,612个牙上恢复了咬伤翼X射线图.
- 员工进行两阶段培训,以加强检测和严重性评估.
- 使用专家注释和统计指标验证算法性能.
主要成果:
- 实现了检测所有病变 (0.966 ± 0.025) 和牙病变 (0.964 ± 0.019) 的高特异性.
- 演示了算法和专家严重程度得分之间的强相关性 (0.802).
- 在ROC曲线下的面积为所有病变的0.940和牙病变的0.946.
结论:
- 开发了一种改进的AI算法,以帮助临床医生检测和分期二次.
- 该算法采用了创新的注释方法,将病变严重程度视为连续结果.
- 这个工具支持更好的临床决策在修复性牙科.


