使用无代码的人工智能检测牙科修复

科学领域:

• 人工智能在牙科中的应用
• 医学图像分析 医学图像分析
• 计算机视觉应用程序 计算机视觉应用

背景情况:

• 在全景放射图上对牙科修复的细分对于诊断至关重要.
• 传统方法需要专门的专业知识和大量的时间.
• 无代码平台为简化AI模型开发提供了一个潜在的解决方案.

研究的目的:

• 开发和评估一个无代码的计算机视觉模型,用于对牙科修复进行细分.
• 在全景放射图上评估开发模型的诊断有效性.

主要方法:

• 利用无代码计算机视觉平台来训练一个细分模型.
• 100张匿名全景射线图被牙科专家标记.
• 使用数据增强 (水平/垂直翻转) 并接受了40个时代的培训.
• 评估模型性能使用灵敏度,特异性,准确性,精度,F1得分和ROC-AUC.

主要成果:

• 该模型实现了高像素级性能:86.64%的灵敏度,99.78%的特异性,99.63%的准确性和0.844 F1-score.
• 牙水平的性能甚至更高:98.34%的灵敏度,98.13%的特异性,98.21%的准确性和0.98的F1分数.
• 实现了0.978的ROC-AUC,表明了出色的诊断能力.

结论:

• 无代码的计算机视觉平台可以在全景射线图上准确地对牙科修复进行细分.
• 这项技术有可能使人工智能在牙科研究和诊断中实现民主化.
• 为了更广泛的适用性,建议对更大,更多样化的数据集进行进一步验证.