使用基于深度学习的卷积神经网络模型从口腔内射线图分类三壁内骨缺陷
Kanteera Piroonsan1, Kununya Pimolbutr1, Kallapat Tansriratanawong1
1Department of Oral Medicine and Periodontology, Faculty of Dentistry, Mahidol University, Bangkok, Thailand.
European journal of dentistry
|November 21, 2024
概括
深度学习模型可以从牙科放射图中以可接受的准确性分类三壁内骨缺陷. 这种卷积神经网络 (CNN) 方法有助于牙周诊断和治疗规划.
科学领域:
- 牙科 牙科是指牙科的专业.
- 牙周病学 牙周病学
- 人工智能在医学中的应用
背景情况:
- 口腔内射线图对于评估牙周骨健康状况和缺陷至关重要.
- 准确识别三壁内缺陷是具有挑战性的,因为它们的可变性.
研究的目的:
- 通过基于深度学习的卷积神经网络 (CNN) 模型来分类三壁骨内缺陷.
- 在口腔内射线影像上区分三壁和非三壁骨缺陷.
主要方法:
- 在556名患者的1369张X射线图上训练了6个CNN模型 (InceptionV3,InceptionResNetV2,ResNet50V2,MobileNetV3Large,EfficientNetV2B1,VGG19).
- 使用曲线下的面积 (AUC),准确性,精度,回忆,特异性,NPV和F1得分来评估模型性能.
主要成果:
- 模型的AUC值从0.70到0.77.7不等.
- VGG19模型表现出最高的性能,AUC为0.75,准确度为0.75,精度为0.78,回忆率为0.82,特异性为0.67,NPV为0.88,F1得分为0.75.
结论:
- 美国有线电视新闻网 (CNN) 的模型显示了分类三壁骨内缺陷的潜力,AUC在0.7和0.77.7之间.
- 这种人工智能驱动的方法可以提高牙周检查,诊断和手术治疗计划.


