深度学习用于检测全景射线图中的周周骨稀疏:系统性审查和批判性评估
José Evando da Silva-Filho1, Zildenilson da Silva Sousa2, Ana Paula Caracas de-Araújo3
1DDS, MsD Student, Departments of Dental Radiology and Imaging and Endodontics, Faculty of Dentistry, University of Fortaleza, Fortaleza, Ceará, Brazil.
Dento maxillo facial radiology
|May 12, 2025
概括
深度学习 (DL) 模型显示在全景放射图 (PRs) 中检测周围骨稀缺 (PBRs) 的潜力. 然而,临床整合需要进一步的多中心合作和标准化报告.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 周围骨稀缺 (PBRs) 是常见的牙科病理.
- 全景射线图 (PRs) 广泛用于牙科诊断.
- 深度学习 (DL) 提供先进的图像分析功能.
研究的目的:
- 系统地评估DL模型用于PRs中的PBR检测.
- 评估牙科实践中DL的可行性和性能.
- 确定PBR诊断中DL的挑战和未来方向.
主要方法:
- 在七个数据库中进行了全面的文献搜索.
- 包括的研究集中在DL模型上,用于在传统PR中检测PBR.
- 质量评估使用了诊断准确性研究质量评估-2工具.
主要成果:
- 包括12项研究,大多数研究中偏差风险中等至高.
- DL模型在PBR检测中表现中等至高 (灵敏度:26-100%,特异性:51-100%).
- 有限的概括,解剖学叠加和可变的报告指标是关键的挑战.
结论:
- DL模型在牙科诊断中显示出PBR检测的前景.
- 目前的DL模型尚未为临床实践确定.
- 多中心协作和标准化报告对于推进DL工具至关重要.
