深度学习网络用于自动评估根管填充的放射性质量
Liuli Jin1, Bingran Du2, Zineng Xu3
1Stomatological Hospital, School of Stomatology, Southern Medical University, Guangzhou, 510280, Guangdong, China.
European journal of medical research
|April 17, 2025
概括
一个新的深度学习网络,你只看一次 (YOLO) v5,显示承诺自动评估牙X射线上的根管填充质量. 这个人工智能工具比没有经验的牙医更快,更准确,有助于临床决策.
科学领域:
- 人工智能在牙科中的应用
- 放射图像分析 放射图像分析
- 牙周内科医疗治疗评估
背景情况:
- 深度学习网络为牙科应用提供了先进的功能.
- 这项研究的重点是开发和验证You Only Look Once (YOLO) v5网络,用于自动化根管填充质量评估.
- 在评估深度学习模型的有效性时,使用了周周放射图.
研究的目的:
- 开发和验证YOLOv5深度学习网络,用于自动根管填充质量评估.
- 为了比较YOLOv5网络与不经验丰富的内牙医的性能.
- 与手动评估方法相比,评估YOLOv5网络的时间效率.
主要方法:
- YOLOv5网络的训练和验证是基于1008张周周放射照片的数据集.
- 外部验证使用来自单独中心的500张周周放射图进行.
- 性能指标包括回忆力,精度,F1分数和卡帕值,专家的评估作为黄金标准.
主要成果:
- 在外部测试数据集中,YOLOv5网络与缺乏经验的内牙科医生相比,显示出优越的整体性能.
- 该网络实现了F1指数值,正确填充的F1指数值为92.05%,不正确填充的F1指数值为82.93%.
- 在所有牙区域中,YOLOv5显著优于没有经验的内牙科医生,特别是在具有挑战性的上部区域,并且比手动评估快150-220倍.
结论:
- YOLOv5深度学习网络作为一个准确和高效的辅助工具,用于评估牙科放射学中的根管填充质量.
- 这种人工智能工具可以提高工作效率,特别是在分析大型数据集时.
- 临床专业知识对于准确的评估至关重要,该工具应与专业判断结合使用.
