自动化骨损失测量在周围的X线图上,用于预测牙周炎的阶段和等级

科学领域:

• 人工智能在牙科中的应用
• 医学成像分析 医学成像分析
• 牙周病学 牙周病学

背景情况:

• 牙周炎的诊断依赖于从周围牙周 (PA) 放射图中评估骨损失 (BL).
• 精确的BL和牙顶部细分对于确定牙周炎的阶段和分级至关重要.
• 自动化方法可以提高牙周炎评估的效率和一致性.

研究的目的:

• 开发和评估一种自动化的方法,用于在周周 (PA) 放射图上对骨损失 (BL) 进行细分.
• 用自动BL细分和顶部检测来预测牙周炎的阶段和程度.
• 整合U-Net和YOLO-v9模型,以提高牙周炎的诊断准确度.

主要方法:

• 在训练中使用了1000张PA放射片,在测试中使用了1582张.
• 实施了U-Net用于骨损失 (BL) 分段和水泥-乳结 (CEJ) 检测.
• 使用YOLO-v9用于牙顶部检测,以计算根长度和BL百分比.

主要成果:

• U-Net实现了高BL细分精度 (95.62%的测试数据).
• YOLO-v9在顶部检测方面显示了66.7%的mAP.
• 自动化BL百分比显示出与临床评估的良好一致性 (ICC>0.94).
• 精确预测晚期牙周炎阶段 (III/IV) 和等级 (C),F1分数为0.945和0.83.

结论:

• 集成的U-Net和YOLO-v9模型有效地对BL进行细分,并在PA射线图上检测顶点.
• 这种自动化方法提高了牙周炎诊断和分级的准确性和可靠性.
• 这项研究表明,人工智能在改善牙周炎评估的牙放射分析方面的潜力.