通过深度学习的超级分辨率可以提高牙科的分类准确性吗?
Berrin Çelik1, Mahsa Mikaeili2, Mehmet Zahid Yıldız3
1Oral and Maxillofacial Radiology Department, Faculty of Dentistry, Ankara Yıldırım Beyazıt University, Ankara, Turkey.
Dento maxillo facial radiology
|April 15, 2025
概括
超级分辨率 (SR) 显著改善了深度学习的牙科图像分类. 这项研究表明,与原始图像相比,使用SR生成的图像提高了准确性和F1分数.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 基于深度学习 (DL) 的超级分辨率 (SR) 提高了图像质量.
- SR对牙图像分类的影响还没有得到充分的研究.
- 本研究评估了SR对DL牙科分类绩效的影响.
研究的目的:
- 评估DL分类模型对由SR增强的牙图像的性能.
- 为了比较具有和没有SR预处理的分类结果.
- 调查不同SR模型和缩放比对分类结果的影响.
主要方法:
- 使用了一个开源的牙科图像数据集.
- 应用了两个SR模型,其缩放比为2x和4x.
- 通过使用四种DL模型和准确性,F1分数,SSIM和PSNR等指标评估分类性能.
主要成果:
- SR模型实现了高图像质量指标 (SSIM: 0.904,PSNR: 36.71).
- 使用SR图像进行分类,平均准确率为0.859,F1得分为0.873.
- 两种比较方法显示,在50-75%的SR病例中,分类得到改善.
结论:
- 通过SR生成的图像显著提高了牙图像分类的性能.
- 这是第一个调查SR的研究,以提高牙科放射图的分辨率以进行分类.
- 在AI驱动的牙科成像中,SR提供了一种有希望的方法来提高诊断准确度.
