在使用深度学习的牙咬牙X射线中自动检测和标记后牙
Mashail Alsolamy1, Farrukh Nadeem1, Amr Ahmed Azhari2
1Department of Information Systems, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, Saudi Arabia.
Computers in biology and medicine
|October 30, 2024
概括
这项研究引入了一个人工智能系统,用于使用YOLO深度学习在牙X射线中实现牙编号的自动化. 该技术提高了临床环境中的准确性和效率,改善了牙科记录.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 准确的牙编号对于牙科记录,程序和沟通至关重要.
- 手动的牙编号方法容易出现错误,并且效率低下.
研究的目的:
- 开发和评估一个人工智能驱动的系统,用于自动化牙编号在咬翼放射 (BRs).
- 采用深度学习对象检测方法来实施FDI两位数标记系统.
主要方法:
- 使用深度学习对象检测模型 (YOLO架构) 来同时检测和分类牙.
- 在3000名成年数字BR的数据集上训练和评估了该系统.
- 使用精度,回忆和平均平均精度 (mAP) 评估性能.
主要成果:
- 实现了高性能,精度为0.99和0.963,回忆率为0.995和0.965,牙检测和编号的mAP分别为0.99和0.963.
- 证明的快速推断时间: 303 ms (CPU) 和9.1 ms (GPU) 每个BR.
- 人工智能系统有效地自动检测牙,并在牙科放射图中进行标签.
结论:
- 由人工智能驱动的系统,特别是使用YOLO架构的系统,可以高精度地自动化牙X射线中的牙编号.
- 拟议的系统可节省大量时间,并无地集成到临床工作流程中.
- 这项技术有可能提高效率并减少牙科实践中的错误.


