在患有卷积神经网络的儿童中诊断近似病的诊断,基于X光照的检测算法:试点研究
Zeynep Seyda Yavsan1, Hediye Orhan2, Enes Efe3
1Department of Pediatric Dentistry, Tekirdag Namik Kemal University, Tekirdag, Turkey. ylmzynpsyda@gmail.com.
Acta odontologica Scandinavica
|January 6, 2025
概括
一个新的人工智能系统有效地使用卷积神经网络 (CNN) 检测儿童近似. 这种人工智能工具有助于为儿科牙科患者提供快速有效的诊断.
科学领域:
- 儿科牙科 儿科牙科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 在儿童中诊断近似牙存在重大挑战.
- 在儿科牙科中利用人工智能的研究是有限的.
研究的目的:
- 开发基于卷积神经网络 (CNN) 的系统,以快速准确地识别5-12岁儿童近似.
主要方法:
- 创建和增强了一套独特的儿科周围放射图数据集.
- 接近性牙被小儿牙医精心标记,以确保准确性.
- 评估并选择了YOLOv8检测算法用于诊断系统.
主要成果:
- 开发的CNN系统实现了高性能指标:91.2%的精度,90.8%的准确性,89.3%的回忆率和90.24%的F1得分.
- 该系统在300次代后表现出有效性,学习率为0.01.
结论:
- 开发的AI系统成功地检测到儿科患者的近似.
- 未来的工作将涉及数据集的增强和样本大小的扩大,以进一步提高系统性能.
