一种新型的人工智能方法对肯尼迪分类用于部分牙患者使用全景放射图
N A Hassan1, A Abdelmongi2, S Magdi2
1Lecturer, Department of Prosthodontics, Faculty of Dentistry, Cairo University, Cairo, Egypt.
概括
一个人工智能系统使用肯尼迪分类准确地从牙科放射图中分类部分无牙的门. 这项技术标准化了诊断,减少了变化,并减轻了牙科专业人员的工作负担.
科学领域:
- 人工智能在牙科中的应用
- 放射学分析 放射学分析
- 牙造型牙科 牙造型牙科 牙造型牙科
背景情况:
- 部分没有牙的门需要准确的分类来规划治疗.
- 肯尼迪分类系统是分类这些牙科疾病的标准.
- 手动分类可能耗时且容易变化.
研究的目的:
- 开发一种人工智能 (AI) 系统,用于对部分没有牙的门进行自动分类.
- 使用肯尼迪分类系统和Applegate的规则进行自动报告.
- 在全景放射图中识别现有的牙.
主要方法:
- 一个YOLOv8的深度学习模型是在1875年的全景放射图上训练的.
- 数据增强将数据集大小增加到2398张图像.
- 该模型检测到牙,使用肯尼迪系统对门进行分类,并确定了修改区域.
主要成果:
- 对于牙识别,YOLOv8s模型实现了98.1%的平均精度.
- 肯尼迪分类表现出高精度,精度为0.962,回忆率为0.931,F1得分为0.939.
- 该系统准确地识别了现有的牙,并分类了没有牙的区域.
结论:
- 人工智能系统提供了一种一致而准确的方法来分类部分无牙的门.
- 这种方法减少了诊断的变化和从业者的工作量.
- 该技术可以无地融入临床实践和大规模分析.
