数据驱动的人工智能平台用于在 ортодонтических口内照片上检测dens evaginatus
Ruiyang Ren1, Jialing Liu1, Shihao Li2
1State Key Laboratory of Oral Diseases & National Clinical Research Center for Oral Diseases, Department of Orthodontics, West China Hospital of Stomatology, Sichuan University, Chengdu, Sichuan, 610041, China.
BMC oral health
|March 2, 2025
概括
一个新的深度学习模型,BiStageNet,从牙科照片中准确地检测牙前部的阴密度 (DE). 这种人工智能工具提高了牙科专业人员的诊断准确性,减少了临床环境中的错误阳性.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 阴 (Dens evaginatus,简称DE) 是一种影响前的发育异常.
- 精确检测DE对于正牙治疗计划至关重要.
- 现有的DE检测方法可能是主观的,耗时的.
研究的目的:
- 开发和评估一个深度学习模型 (BiStageNet) 用于在前肢中自动检测DE.
- 创建一个DE检测平台,用于临床正牙应用.
主要方法:
- 用一套 1400 张口内照片的数据集进行了前识别训练.
- 在DE检测培训中使用了2,128张图像的数据集.
- 性能被评估使用子系数,准确性,灵敏度,特异性,F1得分和AUC.
主要成果:
- 该BiStageNet模型在前识别和DE检测方面取得了高性能.
- DE检测平台显示平均子系数为0.961和AUC为0.93.
- 辅助诊断显著提高了牙科实习生的特异性,提高了整体诊断精度.
结论:
- BiStageNet可以准确地识别前,并在口内照片上检测DE.
- 开发的DE检测平台在临床应用和广泛采用方面显示出重大前景.
