使用深度学习检测深层:从数据集获取到检测
Amandeep Kaur1, Divya Jyoti1, Ankit Sharma2
1PGIMER Satellite Centre, Gurdaspura, Sangrur, 148001, Punjab, India.
Clinical oral investigations
|December 2, 2024
概括
像YOLOv8这样的人工智能 (AI) 模型显著提高了牙腐烂检测的准确性. 这种以人工智能为驱动的方法可以提高早期诊断,从而改善患者的治疗结果和具有成本效益的牙科护理,特别是在服务不足的地区.
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
- 医学成像分析分析 医学成像分析
背景情况:
- 牙损影响全球数十亿人,给健康带来重大挑战,特别是在低收入和中等收入国家.
- 检测早期牙损伤的传统方法,如咬翼放射,在准确性和效率上有局限性.
- 迫切需要先进的诊断工具来改善早期检测和治疗牙损伤.
研究的目的:
- 开发和评估先进的人工智能 (AI) 模型,以提高牙 кариес检测.
- 与传统方法相比,提高识别早期牙的准确性和效率.
- 探索AI在改变牙科诊断和患者护理方面的潜力,特别是在资源有限的环境中.
主要方法:
- 提出了一种利用YOLOv7,YOLOv8和YOLOv9模型的新型深度学习方法,用于检测牙损伤.
- 人工智能模型在一个包括3,200多张牙图像的综合数据集上进行了训练.
- 绩效评估重点是指标,如平均平均精度 (mAP) 在0.5 交叉点超过欧盟 (IoU) 值.
主要成果:
- YOLOv7获得了0.721的mAP@0.5 IoU,YOLOv9获得了0.832.9的mAP@0.5 IoU.
- YOLOv8表现出卓越的性能,实现了0.982.8的mAP@0.5 IoU.
- 这些模型在各种类别中显示出强大的检测能力,包括"","深"和"排除".
结论:
- 先进的YOLO AI模型显示了提高牙损检测的准确性和效率的巨大潜力.
- 将人工智能驱动的系统集成到临床工作流中可以提高诊断能力,并带来更好的患者结果.
- 这项技术为牙科诊断提供了一种变革性的方法,有望提供更精确,更具成本效益的治疗方法,特别有利于低资源环境.
