人工智能增强的诊断退行性关节疾病使用关节全景放射和关节噪声数据
Eunhye Choi1, Seokwon Shin2, Kijin Lee2
1School of Dentistry, Dental Research Institute, Seoul National University, Seoul, Republic of Korea.
Scientific reports
|January 13, 2025
概括
一个人工智能 (AI) 模型有效地使用关节X射线和关节噪声数据选退行性关节疾病 (DJD). 这种人工智能方法对早期检测和在关节疾病中更好的患者结果显示出希望.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 退行性关节疾病 (DJD) 影响关节 (TMJ),影响患者的生活质量.
- 准确和早期诊断TMJ DJD对于有效管理至关重要.
- 当前的诊断方法可能在灵敏度和特异性方面存在局限性.
研究的目的:
- 开发和评估一种人工智能 (AI) 模型,用于查关节退行性关节疾病 (DJD).
- 评估整合全景放射和联合噪声数据的AI模型的性能.
- 将AI模型的性能与面部疼痛专家进行比较.
主要方法:
- 收集了2631个TMJ全景图像,导致3908个图像 (2127个正常,1781个DJD).
- 开发基于GoogleNet的AI模型,使用成像,临床医生检测到的,以及患者报告的关节噪声的组合.
- 通过使用F1得分,回忆和精度等指标评估模型性能.
主要成果:
- 整合成像和所有联合噪声数据的AI模型获得了最高的F1分数0.72.72.
- 使用成像和crepitus的模型也达到0.72的F1得分,但显示了较低的DJD回忆和正常精度.
- 人工智能模型在使用成像或与关节噪声数据成像时,与面部疼痛专家相比,表现出更好的表现.
结论:
- 人工智能模型对改善关节DJD的诊断有显著的前景.
- 整合各种数据源,包括成像和联合噪声,可以提高AI诊断的准确性.
- 人工智能驱动的查为TMJ DJD评估提供了潜在的更准确和更全面的方法.
