在CBCT图像中检测MB2通道孔中的机器学习模型
Shishir Shetty1, Meliz Yuvali2, Ilker Ozsahin3
1Department of Oral and Craniofacial Health Sciences, College of Dental Medicine, University of Sharjah, Sharjah, United Arab Emirates.
International dental journal
|March 26, 2025
概括
机器学习模型在使用圆束计算断层扫描 (CBCT) 扫描检测半球口腔 (MB2) 通道时显示出高精度. 这项技术为在牙科成像中识别MB2通道提供了有希望的结果.
科学领域:
- 牙科放射学 牙科放射学
- 人工智能在医学中的应用
- 牙周内科医院 牙周内科医院 牙周内科医院
背景情况:
- 骨口腔 (MB2) 运河在上牙中通常很难识别.
- 准确检测MB2通道对于成功的根管治疗至关重要.
- 圆束计算断层扫描 (CBCT) 为牙科诊断提供了详细的3D成像.
研究的目的:
- 为了评估机器学习 (ML) 模型在检测 mesiobuccal (MB2) 通道时的准确性.
- 用轴心CBCT切片评估各种ML算法的性能.
- 为了确定ML在识别MB2通道存在或不存在方面的有效性.
主要方法:
- 分析了277张大牙的高分辨率CBCT扫描.
- 轴向图像被分类为MB2存在 (M) 或缺席 (N).
- 六个ML模型 (逻辑回归,原始贝叶斯,SVM,Knn,RF,NN) 用Google的Inception V3进行训练和测试.
主要成果:
- 神经网络 (NN),物流回归 (LR) 和支持向量机 (SVM) 实现了最高的曲线下面积 (AUC) 值.
- LR和NN在MB2通道检测中表现出最高的准确性.
- SVM模型表现出最高的精度 (86.8%) 和回忆 (92.5%).
结论:
- 机器学习算法在检测MB2通道方面表现出了显著的成功率.
- 机器学习模型,特别是当指定目标变量时,可以实现显著的精度和回忆.
- 该研究强调了基于ML的从轴性CBCT切片检测MB2通道的有希望的潜力.
