在人工智能/机器学习方法中,自动化梯度增强模型在非标准化图像中准确得分口内斑块
Eric Coy1, William Santo2, Bonnie Jue1
1University of California San Francisco School of Dentistry, San Francisco, Califonia, USA.
Journal of the California Dental Association
|February 24, 2025
概括
现在可以使用机器学习模型对学龄前儿童进行准确的自动化斑块评分,这为深度学习提供了具有成本效益的替代方案. 这种方法简化了牙科研究和临床应用的图像分析.
科学领域:
- 牙科 牙科是指牙科的专业.
- 机器学习 机器学习
- 图像分析 图像分析
背景情况:
- 以前的自动牙斑检测模型与非标准化图像作斗争.
- 准确的斑块评分对于学龄前儿童牙预防试验至关重要.
研究的目的:
- 开发和验证用于图像选择和口内斑块评分的自动化方法.
- 为学龄前儿童的牙科预防试验建立可靠的初级结果指标.
主要方法:
- 利用了来自临床试验的1650张斑块披露的母牙图像.
- 采用机器学习 (ML) 算法,包括支持矢量机器-高斯式和梯度增强,用于分类和回归.
- 使用拉普拉斯波器预处理图像,并提取色调,和和亮度等特征.
主要成果:
- 使用ML模型实现了高性能:支持向量机-高斯对图像选择 (AUC-ROC 0.99) 和梯度增强对斑块评分 (AUC-ROC 0.99,R2 0.72).
- 证明了高效的训练时间,图像选择模型在2秒内进行训练.
结论:
- 在没有昂贵的深度学习模型的情况下,可以实现准确的自动化斑块评分.
- 开发的自动化系统需要最小的用户干预,提高实用性.
