开发一种人工智能支持的临床工具,用于评估下第三牙拔牙难度,使用全景射线图和YOLO11子模型进行评估
Serap Akdoğan1, Muhammet Üsame Öziç1, Melek Tassoker2
1Department of Biomedical Engineering, Faculty of Technology, Pamukkale University, Denizli 20160, Türkiye.
Diagnostics (Basel, Switzerland)
|February 26, 2025
概括
这项研究使用YOLO11模型开发了一个人工智能工具,以从全景放射图片中评估下三提取难度. 该系统准确地预测了提取的复杂性,有助于临床决策.
科学领域:
- 口腔和牙面部外科手术
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 在手术规划中,下第三骨提取难度评估至关重要.
- 目前的方法依赖于对放射特征的主观解释.
- 客观的,基于人工智能的方法可以提高准确性和一致性.
研究的目的:
- 开发和验证人工智能支持的临床工具,用于评估下第三骨提取困难.
- 在此评估中使用全景射线图和YOLO11物体检测模型.
- 将AI预测集成到一个用户友好的图形界面中,用于临床应用.
主要方法:
- 对2000张全景放射图的数据集进行了注释.
- 训练了YOLO11子模型,以识别与佩德森指数,冬季分类和佩尔和格雷戈里分类相关的特征.
- 用精度,回忆,F1得分和平均精度 (mAP) 来评估模型性能.
主要成果:
- YOLO11子模型在各种尺寸 (从纳米到超大) 中表现出高精度.
- 根据冬季 (角度) 和佩尔和格雷戈里 (拉姆斯关系和深度) 标准选择了最佳的子模型.
- 人工智能系统实现了高性能指标:97.00%的精度,94.55%的回忆,95.76%的F1分数在佩德森指数的确定.
结论:
- 人工智能工具准确而可靠地使用全景放射图评估下第三骨提取困难.
- 开发的系统为牙医提供了一个简单,有效的工具,以估计拔牙的复杂性.
- 将其集成到GUI中可以提高临床效用,改善决策和患者管理.
