智能生物膜检测与集团深度学习网络
B-P Sobrinho1, B-P Silva, K-M Andrade
1Faculdade de Odontologia Avenida Araújo Pinho, 62, Canela 40110-150, Salvador/Bahia, Brazil patcury@yahoo.com; patricia.cury@ufba.br.
Medicina oral, patologia oral y cirugia bucal
|February 15, 2025
概括
一个具有整体策略的U-Net神经网络从口内照片中准确地检测牙上的牙生物膜. 这种人工智能工具有助于识别牙斑,而无需透露病原体,从而改善临床诊断.
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
- 数字牙科诊断数字牙科诊断
背景情况:
- 由于颜色与牙的相似性,牙生物膜的视觉识别具有挑战性.
- 目前用于牙科生物膜检测的方法可能耗时且主观.
研究的目的:
- 评估U-Net神经网络用于自动检测牙科生物膜.
- 评估生物膜识别整体策略的性能.
- 在没有透露剂的口内照片上分析检测准确度.
主要方法:
- 使用两个口腔内图像数据集 (果叶牙和永久牙) 的回顾性研究.
- 经过U-Net神经网络的训练和评估,使用组合策略对图像进行评估,而没有透露代理.
- 交叉验证用于绩效评估,准确性,F1分数,灵敏度和特异性作为指标.
主要成果:
- 该U-Net组合模型实现了93.1%的准确性.
- 敏感度为65.1%,特异性为95.9%,F1得分为63.0%.
- 该模型成功地自动识别了可视检测的牙科生物膜.
结论:
- 具有整体策略的U-Net神经网络在口内照片中有效检测牙生物膜.
- 这种人工智能驱动的方法为临床牙科实践提供了一个有前途的工具.
- 牙科生物膜的自动检测可以提高诊断效率和准确性.
