深度学习辅助诊断系统:在牙科全景射线影像中Apis和Odontogenic鼻腔地板水平分析
Pei-Yi Wu1, Yuan-Jin Lin2, Yu-Jen Chang3
1Department of Periodontics, Division of Dentistry, Taoyuan Chang Gung Memorial Hospital, Taoyuan City 333034, Taiwan.
Bioengineering (Basel, Switzerland)
|February 26, 2025
概括
人工智能有助于牙医诊断牙引起的鼻炎,这种疾病往往被误诊. 这种人工智能系统使用深度学习模型从牙科放射图中准确识别牙引起的鼻炎,改善患者的治疗结果.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 牙性鼻炎是由牙问题引起的,模仿一般鼻炎,导致诊断延迟.
- 准确的早期检测对于预防并发症和确保及时治疗至关重要.
研究的目的:
- 开发和评估一个人工智能驱动的图像处理技术,用于准确的牙性鼻炎诊断.
- 为了提高诊断准确度,使用牙科放射图的深度学习模型.
主要方法:
- 图像处理与对比度有限的自适应式直方图等级,Min-Max规范化和RGB映射融合在一起.
- 使用深度学习模型,包括用于牙检测的YOLOv11n和用于分类的YOLOv8n-cls.
- 在模拟和临床环境中评估诊断准确性.
主要成果:
- YOLOv11n在检测牙发生性鼻炎牙位置方面取得了98.2%的准确性.
- YOLOv8n-cls显示了96.1%的分类准确度,比非增强方法提高了16.9%.
- 临床应用显示,对臭性鼻炎的准确率为97.6%,对非臭性鼻炎的准确率为95.8%.
结论:
- 开发的AI系统为精确的牙性鼻炎诊断提供了可靠的辅助支持.
- 与CT成像相比,这种技术可以减少辐射暴露.
- 人工智能方法显著提高了诊断准确性,超过了现有方法.
