自动机器学习用于基于图像的检测永久牙上的牙斑

科学领域:

• 人工智能在牙科中的应用
• 机器学习用于口腔健康评估
• 数字诊断在牙斑块检测中的数字诊断

背景情况:

• 传统的牙斑检测方法 (手动评估,披露染料) 耗时且容易出现错误.
• 需要有效,自动化和准确的方法来评估牙斑块.
• 人工智能为客观的斑块水平确定提供了一个潜在的解决方案.

研究的目的:

• 评估使用谷歌云的Vertex AI自动机器学习 (AutoML) 进行牙斑检测的可行性.
• 开发和评估人工智能模型,从未染色的摄影图像中分类牙斑水平.
• 为了比较三类板块模型与两类 (可接受/不可接受) 模型的性能.

主要方法:

• 智能手机摄影捕获了在涂抹红染料之前和之后永久牙的图像.
• 斑块水平 (轻度,中度,重度) 从染色图像进行分类,以确定基本真相.
• 在未染色图像上训练了两个Vertex AI AutoML模型:一个三类模型和一个两类模型.
• 模型性能使用精度,回忆和F1得分指标进行评估.

主要成果:

• 这三类模型的平均精度为0.907,重型斑块检测的精度高 (0.983).
• 两类模型 (可接受与不可接受的斑块) 显示出优异的性能,平均精度为0.964和F1得分为0.931.
• 在三类模型中,轻度和中度斑块类别之间的错误分类更频繁.

结论:

• Vertex AI AutoML显示出非侵入性牙斑块检测的巨大潜力.
• 两类AI模型在评估斑块水平方面显示出实际临床应用的前景.
• 建议对更大的数据集进行进一步研究,以提高模型的概括性和现实世界的适用性.