使用口腔内扫描和深度学习识别牙炎表面图像特征
Wei Li1, Linlin Li1, Wenchong Xu2
1Department of Stomatology, Beijing Tongren Hospital, Capital Medical University, Beijing, China.
International dental journal
|January 28, 2025
概括
这项研究引入了一种使用口内扫描和深度学习的自动化方法,以准确识别牙炎症. 人工智能模型显示出高准确性和与临床指标的强相关性,改善了诊断.
科学领域:
- 牙周病学 牙周病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 牙炎症的评估依赖于主观判断,缺乏客观指标.
- 准确的监测和诊断需要可量化和可重现的牙炎症方法.
研究的目的:
- 开发一种自动化的方法来识别使用口腔内扫描 (IOS) 和深度学习的牙炎表面特征.
- 为了评估这个自动化方法的准确性和临床相关性.
主要方法:
- 使用深度学习模型 (GC-U-Net) 来从120名牙周炎患者的IOS图像中对牙炎进行细分和识别.
- 模型的性能被评估使用子系数,交叉与联合 (IoU) 和像素精度 (PA).
- 分析了与临床指标的相关性,如硫出血指数 (SBI),出血指数 (BI) 和探测深度 (PD).
主要成果:
- 在GC-U-Net模型实现了高精度:子77.8%,IOU 65.4%,PA 93.7%.
- 与SBI的强正相关性 (r=0.836) 和与BI的中度正相关性 (r=0.618).
- 与探测深度观察到的负相关性 (PD; r=-0.425).
结论:
- 使用深度学习和IOS成功开发了一种用于牙炎表面特征的自动化方法.
- 这为临床检查提供了一个标准化的,自动化的工具,提高了准确性和可靠性.
- 该方法减少了主观判断,有助于临床诊断和治疗规划.
