用深度学习算法对口内照片进行分类,这些算法根据头脑计量测量进行训练

科学领域:

• 矯正牙科 矯正牙科是一種矯正牙科.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 内口摄影对于正牙诊断,治疗规划和文档制作至关重要.
• 评估深度学习 (DL) 算法,以根据头脑测量测量对口内照片进行分类是必不可少的.

研究的目的:

• 为了评估DL算法的有效性,训练用脑测量数据来对口内临床照片进行分类.
• 确定人工智能在正牙分析中的潜力,可能会消除对横向头脑计辐射图的需求.

主要方法:

• 使用了990名患者的侧面脑图和口腔内图像.
• 使用WebCeph测量IMPA,间角,U1平面角和Wits评估.
• 训练了14个DL模型 (例如,DenseNet,EfficientNet,ResNet) 以根据头脑测量测量,将口内照片分为三组.

主要成果:

• 实现了高准确率:IMPA高达98.33%,切间角高达99.00%,U1平面角高达96.67%,Wits估值高达98.33%.
• 在分类和DL算法中观察到不同的精度,其中一些较低 (例如,U1-palatal平面角度的33.33%).
• 在大多数情况下,DL模型证明了成功的分类.

结论:

• 深度学习算法展示了基于头脑测量数据对口内照片进行分类的能力.
• 这些发现表明,人工智能在正病例分类和分析方面具有前景.
• 这种人工智能驱动的方法可能会减少对传统横向脑计放射学的依赖.