口腔诊断中的人工智能:检测带有卷积神经网络的涂层舌头
Sümeyye Coşgun Baybars1, Merve Hacer Talu1, Çağla Danacı2
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Firat University, Elazığ 23119, Turkey.
Diagnostics (Basel, Switzerland)
|May 1, 2025
概括
使用支持矢量机器和VGG19深度学习的新人工智能模型准确地检测了涂层的舌头病变. 这个工具有助于诊断这种常见的口腔疾病,可能表明潜在的健康问题.
科学领域:
- 口腔医学是指口腔医学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 涂层舌头是一种常见的口腔疾病,由于其无症状的性质,经常被忽视.
- 它可以表明口腔卫生不佳,并标志着潜在的全身疾病.
- 早期检测对于及时干预和管理至关重要.
研究的目的:
- 开发一个强大的诊断模型,用于涂层舌头检测.
- 利用卷积神经网络 (CNN) 和机器学习 (ML) 分类器来改进病变识别.
- 加强对口腔健康评估的临床决策支持.
主要方法:
- 用DSLR相机拍摄的200张舌头图像 (100张涂层,100张健康) 的分析.
- 使用CNN架构 (VGG16,VGG19,ResNet,MobileNet,NasNet) 进行特征提取.
- 使用支持矢量机 (SVM),K-最近邻居 (KNN) 和多层感知器 (MLP) 模型进行分类.
主要成果:
- 混合SVM + VGG19型号实现了最高的性能.
- 获得的灵敏度为82.6%,特异性为88.23%,准确度为85%,F1得分为86.36%.
- 与其他经过测试的配置相比,具有卓越的诊断能力.
结论:
- 在SVM+VGG19模型是准确和可靠的诊断涂层的舌头.
- 这种人工智能驱动的方法显示出作为临床决策支持工具的潜力.
- 使用更大的数据集进行进一步的研究可以改善跨不同人群的模型通用性.
