深度学习的应用在早期的质去矿化检测中的应用

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:

• 早期检测牙质去矿化对于预防晚期牙腐烂至关重要.
• 当前的诊断方法可能是主观的,耗时的.
• 需要自动化工具来提高诊断的准确性和效率.

研究的目的:

• 开发和验证一种深度学习模型,用于从口腔内照片中检测面膜去矿化.
• 将模型的诊断性能与初级牙医进行比较.
• 评估模型对牙表面和非矿物化区域的细分能力.

主要方法:

• 追溯分析了来自208名患者 (14至44岁) 的624张口内照片.
• 开发一个基于Mask区域的卷积神经网络 (Mask R-CNN) 模型,用于自动化去矿化检测.
• 对两个初级牙医的模型性能进行比较分析.

主要成果:

• 深度学习模型在去矿物化检测方面获得了0.856的F1得分,相当于高级牙医.
• 辅助初级牙医的F1平均得分显著改善 (0.897和0.949),与无辅助的得分 (0.713和0.689) 相比.
• 该模型精确地细分了牙表面,并检测了非矿物质化的区域,从而实现了精确的监测.

结论:

• 深度学习模型可以准确地分割牙表面和病变轮.
• 由人工智能驱动的工具提高了面膜去矿化诊断的精度,准确性和效率.
• 这项技术有助于精确检测和监测面膜去矿化进展.