在全景放射图上检测三根下第一个牙,使用深度学习

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:

• 三根下第一个牙 (MFMs) 呈现独特的解剖学变异.
• 准确识别三根MFMs对于内牙治疗规划至关重要.
• 全景射线图是一种常见的诊断工具,但检测根变异可能具有挑战性.

研究的目的:

• 开发和评估一种深度学习系统,用于在全景射线图上检测三根MFM.
• 为了比较各种卷积神经网络 (CNN) 模型的诊断性能.
• 为了评估系统的准确性与形束计算机断层扫描 (CBCT) 成像.

主要方法:

• 从730名患者的全景图像和CBCT图像中回顾收集了1444个MFMs.
• 实施和评估了五个CNN模型 (ResNet-101,ResNet-50,DenseNet-201,MobileNet-v3,Inception-v3) 的应用和使用情况.
• 使用精度,灵敏度,特异性和ROC曲线分析的性能评估,使用CBCT作为黄金标准.

主要成果:

• ResNet-101表现出优异的性能,AUC为0.907,明显优于其他模型和人类临床医生.
• ResNet-101实现了87.5%的准确性,83.6%的灵敏度和88.9%的特异性.
• 其他CNN模型的性能各不相同,DenseNet-201具有最低的诊断能力 (AUC 0.701).

结论:

• 深度学习系统,特别是像ResNet-101这样的CNN,可以在全景射线图上准确地检测三根MFM.
• 开发的系统显示出有潜力帮助临床医生识别复杂的根解剖学.
• 人工智能驱动的分析为牙科放射学解释提供了有前途的进步.