一种深度学习方法,用于在超声波上进行状状体细分.
Gaye Keser1, Hakan Yülek2, Ayşe Gül Öner Talmaç3
1Department of Oral Diagnosis and Radiology, Faculty of Dentistry, Marmara University, Başıbüyük Sağlık Yerleşkesi Başıbüyük Yolu 9/3, 34854, Maltepe, Istanbul, Turkey. gayekeser@hotmail.com.
Journal of imaging informatics in medicine
|May 6, 2025
概括
这项研究开发了一种人工智能模型,用于在超声波图像中对下状囊进行细分. 深度学习方法实现了高精度,为医学专家提供了更快的诊断工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 口腔和面放射学 口腔和面放射学
背景情况:
- 深度学习在医疗图像处理方面表现有前途,特别是在细分任务中.
- 在口腔和面放射学中,精确细分下状囊对于诊断至关重要.
研究的目的:
- 在超声波图像中开发和评估一个基于计算机的诊断软件,用于下下带细分.
- 为了评估YOLOv8深度学习模型对于这个特定应用的性能.
主要方法:
- 追溯分析668个成年下下的超声波图像.
- 使用Craniocatch标签程序进行注释,该程序经过专家验证.
- 使用YOLOv8深度学习人工智能 (AI) 模型进行的细分.
主要成果:
- 这款YOLOv8型号获得了0.93.3的F1得分.
- 对于图像分割,灵敏度为0.90,精度为0.96.
- 人工智能模型在测试图像中成功检测并细分了下下.
结论:
- 使用人工智能从超声波图像中自动细分下肌,这是一个可行的和有前途的应用.
- 这种人工智能驱动的方法可以显著减少外科医生和放射科医生的诊断时间.
- 开发的软件显示了提高医疗诊断效率的潜力.


