基于人工智能的预测和根的分类使用放射图像使用放射图像

科学领域:

• 牙科诊断 牙科诊断 牙科诊断
• 医疗保健中的人工智能
• 口腔健康研究 口腔健康研究

背景情况:

• 根表面腐烂 (根腐烂) 影响暴露的牙根,通常与牙衰退和口腔卫生不良有关,特别是在老年人中.
• 根 кариес的早期诊断对于有效的治疗和预防策略至关重要.
• 这项研究研究了人工智能 (AI) 算法,用于使用放射图像预测根.

研究的目的:

• 评估基于人工智能的算法在从牙科放射图片中预测根表面腐烂的准确性.
• 探索人工智能在早期和个性化诊断根腐烂方面的潜力.
• 评估将AI整合到牙科实践中的可行性,以改善患者的治疗结果.

主要方法:

• 使用了200张根表面放射图,其中100例确诊的根病例和100例对照.
• 在色平台内使用机器学习模型 (SqueezeNet,Naive Bayes,物流回归,神经网络) 进行预测.
• 使用80/20数据分割,交叉验证,混矩阵和ROC分析评估模型性能.

主要成果:

• 后勤回归在图像分类中实现了100%的准确性,用于根.
• 纯粹的贝叶斯证明了96%的准确性,分别是-94%和100%的类准确性.
• 这项研究强调了人工智能模型在检测根病方面的高预测能力.

结论:

• 通过使用人工智能从放射图片中预测根,可以通过早期,准确和个性化的诊断和治疗,显著提高牙护理.
• 人工智能在牙科领域的整合有望为牙医和患者带来好处,提高效率并减少治疗需求.
• 牙科专业人员和人工智能专家之间的密切合作对于充分实现人工智能在改善根管理方面的潜力至关重要.