基于深度学习的切口半透明度模式的检测.
Sthithika Shetty1, Sivaranjani Gali2, Venkatesh R3
1Postgraduate student, Department of Prosthodontics and Crown & Bridge, Faculty of Dental Sciences, M.S. Ramaiah University of Applied Sciences, Bangalore, India.
The Journal of prosthetic dentistry
|January 21, 2025
概括
深度学习模型可以准确地检测前牙的切口透光. 这种人工智能方法有助于牙医在修复性实践中,改善寻求自然外观结果的患者的美学结果.
科学领域:
- 人工智能在牙科中的应用
- 计算机视觉用于牙科诊断
- 数字牙科数字牙科
背景情况:
- 切口透光度评估对于牙美学至关重要,但往往是主观的.
- 目前评估半透明度的方法不一致,专业人士忽视了它们.
- 需要客观,人工智能驱动的工具来支持牙医在修复性手术中.
研究的目的:
- 评估深度学习模型在预测前牙透光模式方面的准确性.
- 开发一个人工智能系统,客观地评估切口半透明度.
- 为牙医提供一个定量工具,以协助美容治疗规划.
主要方法:
- 通过智能手机收集了240张前牙JPEG图像的数据集.
- 采用了3个模型的深度学习管道:YOLOv5用于检测,视觉转换器 (ViT)用于分类,U-Net用于细分.
- 使用图像增强和80/20列车测试分割,性能指标包括准确性,精度,回忆,F1得分和子得分.
主要成果:
- YOLOv5在0.910的置信值下实现了完美的精度 (1.00),用于检测中央切口器.
- 视觉转换器 (ViT) 模型显示了91.66%的准确性和94.83%的F1评分用于半透明度识别.
- 通过U-Net的细分,实现了91%的准确性和0.948个子得分来划分半透明区域.
结论:
- 使用YOLOv5,ViT和U-Net的综合深度学习方法有效地分类了切口透光.
- 这种人工智能系统为检测前牙透光模式提供了高准确度和精度.
- 开发的模型为牙医在美学修复牙科方面提供了有价值的客观工具.
