深度学习架构以推断肯尼迪分类的部分无牙弧使用对象检测技术和逐步注释
Zohaib Khurshid1, Maria Waqas2, Shehzad Hasan2
1Department of Prosthodontics and Dental Implantology, College of Dentistry, King Faisal University, Al-Ahsa, KSA; Center of Excellence for Regenerative Dentistry, Department of Anatomy, Faculty of Dentistry, Chulalongkorn University, Bangkok, Thailand.
International dental journal
|December 7, 2024
概括
这项研究引入了一种人工智能模型,用于检测牙问题,例如断裂的根,并从X射线上分类有牙的门. 该系统可以准确地同时识别多个问题,帮助牙科诊断.
科学领域:
- 利用人工智能和深度学习进行先进的牙科诊断.
- 专注于放射成像中的物体检测技术.
背景情况:
- 早期发现牙问题对于整体健康至关重要.
- 整形术 (OPG) 是一种常见的牙科成像技术.
研究的目的:
- 开发一种人工智能驱动的系统,用于在OPG图像中自动检测牙问题.
- 识别破碎的根,牙周受损的牙,以及肯尼迪分类.
- 提高牙医的诊断能力.
主要方法:
- 训练了多个对象检测模型在一个骨科手术数据集上.
- 使用各种架构和超参数评估模型性能.
- 在未见的数据上选择并验证了最高准确度的模型.
主要成果:
- 人工智能模型准确地对肯尼迪分类进行了分类,指定了门和侧面.
- 它可以在单个X射线图像中同时检测多个牙科问题.
- 该系统显示了现实世界临床应用的潜力.
结论:
- 尽管数据集规模有限,但取得了令人满意的结果.
- 量身定制的超参数和逐条注释方案有助于成功.
- 开发的AI模型显示了改善牙科诊断的前景.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.6K
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
769
