从X光图像检测和预测牙腐烂的深度学习算法的比较分析:一个全面的雨审查
Mahmood Dashti1, Jimmy Londono2, Shohreh Ghasemi3
1Dentofacial Deformities Research Center, Research Institute of Dental Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
PeerJ. Computer science
|December 9, 2024
概括
深度学习算法显示出从X射线检测牙损伤的潜力,其准确率高达0.986. 这次审查评估了AI.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能 (AI) 和深度学习 (DL) 在牙科中越来越具有影响力,特别是用于分析放射图像以检测牙损伤 (DC).
- 尽管人工智能取得了进展,但仍需要有关DL算法的精确度的数据来识别从二维X射线图中DC的数据.
- 这项研究提供了一个概述,评估和比较了基于DL的DC检测从X光片的现有评论.
研究的目的:
- 进行一项综合性审查,评估AI和DL算法的准确性,以从二维X射线图像中检测牙损伤 (DC).
- 综合关于这个主题现有系统审查的发现.
- 评估包含的研究的质量和潜在偏差.
主要方法:
- 采用了总体审查方法,遵守PRIOR报告准则.
- 在主要的数据库 (PubMed/Medline,Web of Science,Scopus,Embase) 进行了搜索,使用特定的关键词用于DC检测中的AI/DL.
- 用Joanna Briggs Institute (JBI) 工具对包含的文章进行了偏差评估.
主要成果:
- 七个系统性审查 (SRs),包括77项研究,被纳入了这一总体审查.
- 传统的神经网络和其他DL技术主要用于从二维X射线图中检测DC.
- 审查的SR分析了24篇原始文章,报告的准确率在不同的数据集大小中从0.733到0.986不等.
结论:
- 深度学习算法代表了从放射成像检测和预测牙损伤 (DC) 的重大进步.
- 这些算法通过识别放射图像中的微妙特征,证明了高精度,通常超过人类专家的性能.
- DL的应用具有巨大的潜力,可以彻底改变牙科诊断和改善患者的治疗结果.
