深度学习驱动的牙科植入物细分和牙周植入物检测:一个新的诊断工具
Erdoğan Kibcak1, Oğuz Buhara1, Ali Temelci2
1Near East University, Department of Oral and Maxillofacial Surgery, Nicosia, Cyprus.
The journal of evidence-based dental practice
|February 13, 2025
概括
一个新的深度学习模型准确地对牙植入物进行细分,并检测OPG中的牙周植入炎. 这种人工智能方法提高了诊断效率和准确性,以便更好地规划患者的治疗.
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
- 为医疗保健提供深度学习.
背景情况:
- 牙植入物对于牙损失的恢复至关重要,它依赖于骨质整合才能取得成功.
- 围植入炎,以炎症和骨质损失为特征,威胁着植入物的寿命.
- 目前围部植入炎的诊断方法往往是主观的,耗时的.
研究的目的:
- 开发一种深度学习方法,用于在OPG中对牙科植入物进行细分.
- 在OPG中使用AI检测周植入炎.
- 为了提高诊断准确性和效率,用于检测周植入炎.
主要方法:
- 使用U-Net架构对7696个OPG进行图像细分.
- 使用卷积神经网络 (CNN) 进行周植入炎分类.
- 使用亚当优化器在500个时代中训练模型,数据分割为70/15/15.
主要成果:
- 细分模型实现了0.999准确度,0.986 DSC,以及0.974 IoU.
- 分类模型显示0.777精度,0.903回忆和0.835F1分数.
- 人工智能正确识别了638例围植入炎病例中的576例.
结论:
- 深度学习为OPGs中的牙科植入物和牙周植入炎分析提供了一种高度有效的方法.
- 开发的AI工具为临床诊断提供了可靠的支持.
- 这种方法有助于改善牙科植入物患者的治疗计划.
