提前牙周诊断:利用先进的人工智能在形束计算断层扫描中发现牙周骨损失模式
Sevda Kurt-Bayrakdar1,2, İbrahim Şevki Bayrakdar2,3, Alican Kuran4
1Department of Periodontology, Faculty of Dentistry, Eskişehir Osmangazi University, Eskisehir, 26240, Turkey.
Dento maxillo facial radiology
|February 5, 2025
概括
先进的人工智能 (AI) 算法可以自动检测牙和牙周骨缺陷从圆束CT (CBCT) 扫描. 这种由人工智能驱动的方法显示出改善牙科诊断和患者护理的前景.
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:
- 圆束CT (CBCT) 对于牙科诊断至关重要.
- 准确检测牙和牙周骨缺陷对于治疗规划至关重要.
- 手动分析CBCT扫描可能耗时且容易变化.
研究的目的:
- 开发和评估人工智能 (AI) 模型,从CBCT图像中自动检测牙存在,编号和牙周骨缺陷.
- 评估AI细分方法在识别各种牙周骨缺陷方面的性能.
- 创建一个人工智能模型来将患者分类为牙周健康或患病.
主要方法:
- 使用了502个CBCT卷的数据集.
- 采用基于人工智能的分类来检测和编号牙.
- 在标记的CBCT数据上训练人工智能模型,以识别牙周骨缺陷 (例如,上骨,下骨,期末病变,裂缺陷).
- 开发了一种分类模型,以区分健康和患病的牙周状况.
主要成果:
- 在细分牙中获得了高精度 (AUC:0.9594).
- 人工智能模型在检测全膜骨损失 (AUC:0.8499) 和期末病变 (AUC:0.8893) 中表现出有效性.
- 分类模型在健康个体中达到80%的准确性,在不健康个体中达到76%的准确性.
结论:
- 人工智能模型可以准确地自动检测CBCT图像中的牙存在,编号和牙周骨缺陷.
- 开发的AI系统显示了提高牙科诊断效率和准确性的巨大潜力.
- 这项技术可以通过更精确和及时诊断牙周病症来改善患者护理.
