应用基于人工智能检测部第一个牙中的孔参与,使用圆束断层扫描图像 - - 一项初步研究

科学领域:

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

背景情况:

• 放射图对于诊断牙周疾病至关重要.
• 深度学习 (DL) 显示了分析牙周病图像的潜力.
• 有限的研究存在于DL用于检测孔干涉 (FI).

研究的目的:

• 评估DL模型在检测FI时的准确性.
• 在轴心CBCT图像上评估DL模型性能.

主要方法:

• 使用了285张轴性CBCT图像 (143张正常图像,142张FI图像) 的数据集.
• 应用数据增强来创建600张图像用于训练.
• 雇佣了ResNet101V2与图像分析的转移学习.
• 在85张图像上测试模型 (43张正常,42张带FI).

主要成果:

• 培训准确度达到了98%的培训准确度和97%的验证准确度.
• 测试准确度达到91%,精度和F1得分为0.98.
• 曲线下的面积 (AUC) 为0.98,测试损失为0.2170.

结论:

• 该ResNet101V2 DL模型准确地检测了轴心CBCT图像中的FI.
• 初步发现表明DL对于FI检测是有效的.
• 建议使用更大的数据集进行进一步验证.