使用深 convolutional 神经网络在全景射线图上检测C形下第二牙

科学领域:

• 牙科 牙科是指牙科的专业.
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• C型下第二牙 (MSM) 呈现出独特的内牙挑战.
• 在全景放射图上对MSM的准确诊断对于有效的治疗计划至关重要.

研究的目的:

• 开发和评估基于卷积神经网络 (CNN) 的深度学习系统,用于在全景放射图上诊断C型MSM.
• 将CNN系统的诊断性能与牙科专业人员的诊断性能进行比较.

主要方法:

• 五个预先训练的CNN模型 (ResNet,DenseNet,Inception-V3) 接受了全景放射和形束计算断层扫描 (CBCT) 图像的训练.
• 使用常规全景图像和从CBCT数据生成的模拟全景图像创建了一个数据集.
• 模型性能使用接收机操作特征 (ROC) 曲线分析进行评估,CBCT图像作为黄金标准.

主要成果:

• 在初始测试中,CNN模型实现了高诊断准确性,曲线下的面积 (AUC) 值在0.875到0.916之间.
• 在CBCT生成的全景图像上训练的模型在常规放射图片上测试时显示显著增强的性能 (AUC 0.984-0.996).
• 牙科专家 (AUC 0.806),初学者牙医 (AUC 0.767) 和研究生 (AUC 0.730) 的表现都超过了CNN.

结论:

• 与人类解释相比,基于CNN的深度学习系统在检测C型MSM方面表现出卓越的准确性.
• 通过CBCT生成的全景图像可以有效地替代传统图像在训练CNN模型中,特别是当数据有限时.
• 这种人工智能技术具有很大的潜力,可以帮助牙医识别C型MSM,从而实现更有效,更安全的牙科治疗.