优化牙植入物识别使用深度学习利用人工数据
Shintaro Sukegawa1,2, Kazumasa Yoshii3, Takeshi Hara4,5
1Department of Oral and Maxillofacial Surgery, Faculty of Medicine, Kagawa University, 1750-1, Ikenobe, Miki-cho, Kita-gun, Takamatsu, 761-0793, Kagawa, Japan. gouwan19@gmail.com.
Scientific reports
|January 29, 2025
概括
生成人工牙植入物图像提高了全景X射线的分类准确性. 这种深度学习方法通过以现实合成图像补充真实世界的数据来提高诊断性能.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 人工智能在牙科中的应用
- 深度学习用于医学诊断
背景情况:
- 准确的牙植入物分类对于诊断和治疗计划至关重要.
- 现有的深度学习模型数据集可能缺乏多样性和体积.
- 人工图像生成为增强有限数据集提供了一个潜在的解决方案.
研究的目的:
- 评估结合人工生成的牙植入物图像对分类性能的影响.
- 为了比较不同的人工图像生成策略的有效性.
- 提高使用全景X射线识别牙植入物的深度学习模型的准确性.
主要方法:
- 一个包含7946个体内牙植入物图像的数据集被人工生成的图像补充.
- 使用三维扫描创建植入物表面模型用于图像生成.
- 使用ResNet50深度学习模型,将10种类型的牙科植入物分类为三个数据集:体内,无背景调整的人工和具有背景调整的人工.
主要成果:
- 在体内图像 (数据集A) 的分类精度为0.8888.8.
- 没有背景调整的人工图像 (数据集B) 的精度为0.903.
- 有背景调整的人造图像 (数据集C) 的精度最高,为0.9146,显示最佳特征分布.
结论:
- 结合人工生成的牙植入物的X射线图像显著提高了深度学习分类模型的性能.
- 人工图像生成,特别是具有背景调整,是改善牙植入物分类准确性的有益策略.
- 这种方法在牙科中使用全景射线图进行人工智能驱动的诊断方面显示出前景.
