在全景放射图上使用卷积神经网络算法估计牙年龄:印度尼西亚的一项试点研究.
Arofi Kurniawan1, Michael Saelung2, Beta Novia Rizky1
1Department of Forensic Odontology, Faculty of Dental Medicine, Universitas Airlangga, Surabaya, Indonesia.
Imaging science in dentistry
|April 7, 2025
概括
这项研究开发了一种使用卷积神经网络 (CNN) 算法的自动牙科年龄估计方法. 由人工智能驱动的方法实现了74%的准确性,为传统的法医牙科技术提供了更精确和客观的替代方案.
科学领域:
- 法医牙科 法医牙科
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 准确的牙年龄估计在法医牙科中至关重要.
- 传统的方法可能是主观和耗时的.
- 使用人工智能的自动化方法有可能提高准确性和效率.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN) 模型,用于自动估计牙年龄.
- 为了使用伦敦牙发育和喷发的地图,进行标准化的培训.
- 为了从全景放射图中获得精确的牙年龄预测.
主要方法:
- 分析了801张5至15岁个体的全景放射图的数据集.
- 使用Python,TensorFlow和Scikit-learn.使用16层CNN架构进行了实现.
- 用一个混矩阵来评估性能,评估准确性,精度,回忆和F1分数.
主要成果:
- 在验证组中,CNN模型实现了74%的整体准确性.
- 在10岁和12岁的年龄组中观察到最高的F1分数.
- 6岁年龄组的错误分类率最高,这表明年轻人面临挑战.
结论:
- 卷积神经网络 (CNN) 集成标志着法医牙科的重大进展.
- 人工智能驱动的牙年龄估计比传统方法提高了精度和效率.
- 开发的模型提供了更可靠和客观的年龄评估.
