对用于牙损伤检测的人工智能的全面洞察:系统性审查
Kubra Demir1, Ozlem Sokmen2, Isil Karabey Aksakalli1
1Department of Computer Engineering, Erzurum Technical University, 25040 Erzurum, Türkiye.
Diagnostics (Basel, Switzerland)
|December 17, 2024
概括
本系统性审查强调了人工智能 (AI) 用于使用各种成像技术的深度学习模型检测牙病变. 关键发现包括常见的AI模型,有效的数据增强,以及数据集成和模型概括等挑战,以改善牙科诊断.
科学领域:
- 利用人工智能 (AI) 和深度学习来提高牙科诊断的准确性.
- 专注于通过多种成像方式自动检测各种牙病变.
背景情况:
- 在医疗保健中对人工智能的日益增长的需求需要强大的自动诊断系统.
- 深度学习模型在各种成像技术中显示出牙病变检测的重大前景.
研究的目的:
- 系统地审查深度学习方法用于检测牙病变的使用情况.
- 分析人工智能方法,数据增强和基于人工智能的牙病变检测方面的挑战.
主要方法:
- 根据PRISMA指南进行了系统审查,分析了29项主要研究 (2019-2024年).
- 搜索了多个数据库,包括IEEE,知识网络,Springer,ScienceDirect,PubMed和谷歌学者.
- 解决了关于人工智能对象的研究问题,最先进的方法,数据增强和挑战.
主要成果:
- 确定了五种损伤类型:周围,囊,大骨,牙虫和上.
- 常见的深度学习模型包括U-Net,AlexNet和YOLOv8.
- 翻转,旋转和反射是数据增强的关键技术;挑战包括数据集成,质量,概括和过拟合.
结论:
- 深度学习模型有可能提高牙科诊断的准确性和临床工作流程支持.
- 基于人工智能的牙病变检测解决方案必须能够在图像类型,数据量和质量变化中进行概括.
