在牙科照片中人工智能驱动的角质化牙的检测和测量:使用参考保持器的验证
Ya-Chi Chen1,2, Ling Chen3, Yu-Lin Lai1,2
1Department of Stomatology, Taipei Veterans General Hospital, Taipei, Taiwan.
Journal of clinical periodontology
|April 8, 2025
概括
一个新的人工智能 (AI) 模型在牙科照片中准确地检测出化牙 (KG),显示出临床潜力. 对于后牙的预测,还需要进一步的细化.
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:
- 化牙 (KG) 对于牙周健康和植入成功至关重要.
- 精确测量KG宽度对于治疗规划至关重要.
- 目前用于KG评估的方法可能是主观的和耗时的.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于在牙科照片中自动检测KG.
- 评估DL模型的临床适用性,通过将其测量结果与使用参考保持器的既定方法进行比较.
主要方法:
- 一个使用ResNet50骨干的DeepLabv3模型使用32个受试者的576张牙部照片进行了微调.
- 该模型预测了KG区域,并计算了相对角质化牙宽度 (rKGW).
- 人工智能衍生的rKGW测量与视觉,功能和体化学参考方法进行了比较.
主要成果:
- 人工智能模型实现了高性能,子系数为93.30%和准确率为93.32%.
- 与视觉和功能方法相比,人工智能测量显示出统计学上微不足道的差异.
- 虽然在前大部精确,但人工智能模型在后大部显示出明显的高估.
结论:
- 人工智能模型证明了可靠的全口KG识别,通过参考保持器验证.
- 这种人工智能工具为临床牙科中KG评估提供了一个有希望的,自动化的方法.
- 需要进一步优化,以提高后牙区域KG预测的准确性.
