一种基于深度学习的方法来检测Lamina Dura损失在周周X射线图上
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Sivas Cumhuriyet University, Sivas, Turkey. bbusrashn@outlook.com.
Journal of imaging informatics in medicine
|January 21, 2025
概括
一个新的人工智能 (AI) 模型准确地检测牙X射线上的长膜 (LD) 损失. 这种人工智能工具可以帮助牙医诊断潜在问题,改善患者护理,防止误诊.
科学领域:
- 牙大面部放射科 牙大面部放射科
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 长膜 (LD) 损失是指牙根周围病理的放射性标志.
- 准确检测LD损失对于及时诊断和治疗计划至关重要.
- 目前的诊断方法可能是主观的,耗时的.
研究的目的:
- 开发和评估一个定制的人工智能 (AI) 模型,用于检测口腔内外皮放射片上的长膜 (LD) 损失.
- 评估人工智能模型在识别前后两种牙LD损失方面的性能.
- 建立人工智能作为牙科专业人员辅助工具的潜力.
主要方法:
- 一个数据集的701个周围的X射线图被策划和预处理.
- 使用TensorFlow和ResNet架构开发了一个定制的AI模型,包括4个块和49个层.
- 人工智能模型经过训练,验证,并在标记的图像上进行测试 (LD损失 = 1,没有LD损失 = 0).
主要成果:
- 人工智能模型在71张图像的测试组上在检测LD损失方面表现良好.
- 实现了0.730的平均灵敏度,0.706的特异性,0.718的准确性,0.730的精度和0.730.730的F1得分.
- 在前后牙区域的表现一致.
结论:
- 这项研究介绍了第一个专门设计用于在周围放射图上检测长膜 (LD) 损失的AI算法.
- 开发的AI模型显示了作为一个有价值的工具来帮助临床医生准确诊断的潜力.
- 人工智能辅助检测可以帮助防止误诊,并提高放射性解释的效率.
