在使用不同人工智能模型的全景射线图上检测两牙的检测
Onur Erdem Korkmaz1, Hatice Guller2, Ozkan Miloglu2
1Department of Electrical Electronic Engineering, Faculty of Engineering, Ataturk University, Erzurum, Turkey.
Journal of stomatology, oral and maxillofacial surgery
|November 16, 2024
概括
卷积神经网络 (CNN) 在牙科放射图中准确地检测出牙. 融合DarkNet,DenseNet和ResNet实现了96.2%的准确性,帮助临床诊断和人工智能驱动的牙科成像.
科学领域:
- 牙科放射学 牙科放射学
- 人工智能在医学中的应用
- 机器学习应用 机器学习应用
背景情况:
- 两牙是人类典型牙系统之外的异常牙.
- 准确地识别离口细胞对于临床诊断和治疗规划至关重要.
- 全景放射 (PR) 是牙科中常见的成像技术.
研究的目的:
- 采用卷积神经网络 (CNN) 用于使用全景放射 (PR) 来分类两口牙的存在.
- 为了评估各种CNN架构在检测两口牙的性能.
主要方法:
- 分析了263个PR的数据集 (117个带有远口,146个没有).
- 使用了十个CNN框架 (AlexNet,DarkNet,DenseNet,EfficientNet,GoogLeNet,ResNet,MobileNet,NasNet-Mobile,VGG,XceptionNet) 进行了测试,并使用了这些框架.
- 应用了转移学习和5倍交叉验证,并将结果合并为最终分类.
主要成果:
- 使用准确度,灵敏度,特异性和精度来评估性能.
- 暗网,DenseNet和ResNet的合并在二元分类中实现了96.2%的最高准确率.
- 这些模型在识别两口牙方面表现出强的表现.
结论:
- 在牙科X射线图中,CNN显示出对准确的远口腔检测有很大的潜力.
- ResNet,Darknet和DenseNet架构的融合为人工智能驱动的牙科诊断提供了一个有前途的方法.
- 这些人工智能系统可以协助临床医生进行放射性检查和治疗计划.
