评估使用不同分类器的转移学习在下牙诊断中的使用
Tansel Uyar1, Didem Sakaryalı Uyar2
1Biomedical Engineering Department, Başkent University, 06810, Ankara, Turkey. tuyar@baskent.edu.tr.
BMC oral health
|January 14, 2025
概括
人工智能准确地使用全景放射图对儿童的牙发育进行了分类. VGG-19模型在识别单前生殖,多前生殖和没有牙生殖方面取得了很高的准确性.
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:
- 牙缺陷,牙的先天性缺失,通常是使用X光成像来诊断的.
- 人工智能 (AI) 决策支持系统越来越多地用于准确的诊断.
研究的目的:
- 为了分类单个前生殖,多个前生殖和牙生殖缺失.
- 评估各种人工智能方法来诊断儿科患者的下牙.
主要方法:
- 利用了来自儿科患者 (6-12岁) 的1068张全景射线图.
- 使用微调训练了预训练的卷积神经网络 (CNN) 模型.
- 使用机器学习算法和评估性能指标 (准确性,精度,回忆,F1分数,特异性,AUC) 的分类数据.
主要成果:
- 带有神经网络分类器的VGG-19模型实现了最高的性能.
- 实现了95.63%的准确性,93.34%的回忆和95.03%的AUC.
- 在所有类别中都观察到高精度:没有牙生殖 (96.72%),多个前生殖 (95.79%),单个前生殖 (94.39%).
结论:
- 预先训练有素的AI模型在下牙的放射诊断方面取得了显著的成功.
- 人工智能方法预计将增强儿科牙科护理中下牙的诊断过程.


