一个基于深度学习的新型模型,用于在密闭照片中混合和永久牙的自动牙检测和编号

科学领域:

• 人工智能在牙科中的应用
• 计算机视觉用于牙科成像.
• 机器学习用于口腔健康

背景情况:

• 有限的人工智能研究存在于牙照片中的自动牙编号,之前的研究只关注永久牙.
• 牙科现有的人工智能 (AI) 应用主要集中在放射分析上,忽视了口腔照片.
• 隐形照片中的自动牙检测和编号仍未得到充分探索,特别是在混合牙的情况下.

研究的目的:

• 开发和评估一个人工智能系统,用于自动检测和编号的牙在密闭照片.
• 通过包括混合牙和永久牙来解决人工智能研究中的差距.
• 使用卷积神经网络 (CNN) 创建一个强大的牙识别系统.

主要方法:

• 使用了一组数据集,其中包括3215张部和下部的闭合视图图像.
• 使用Python和YOLOv8开发了一个双阶段的CNN模型,用于牙检测,定位和编号.
• 牙科学生对图像进行了注释,并将数据分成培训,验证和测试集 (比例为7:1.5:1.5).

主要成果:

• 实现了高整体性能,具有99.89%的灵敏度,95.72%的精度和97.76%的F1得分.
• 识别了代表性不足的牙的特定挑战,如初级切口牙和永久的第三牙.
• 对于初级大牙来说表现出色 (精度>94%,灵敏度100%,F1>97%),而初级下牙犬的精度较低 (88.52%).

结论:

• 开发了一种高精度的人工智能模型,用于检测和编号塞照片中的初级和永久牙.
• 人工智能模型对现实世界牙科诊断,远程牙科和流行病学研究充满希望.
• 与其他系统集成的潜力,以识别牙问题,如牙和正牙问题.