使用人工智能在牙科放射图中检测动脉化:一个系统的审查和元分析
Sarah Arzani1, Parisa Soltani2, Ali Karimi3
1Child Growth and Development Research Center, Research Institute for Primordial Prevention of Non-Communicable Disease, Isfahan University of Medical Sciences, Hezar-Jarib Ave, Isfahan, 81551-39998, Iran. sa.arzan@yahoo.com.
BMC medical imaging
|May 19, 2025
概括
人工智能 (AI) 精确地检测牙科放射图中的动脉化,这是心血管疾病的关键指标. 这种人工智能应用程序显示了早期中风风险检测的前景.
科学领域:
- 心血管健康 心血管健康
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 动脉结是心血管健康和中风风险的重要标志物.
- 牙科放射提供了一种新的方法来识别这些化.
- 人工智能 (AI) 增强了在牙科成像中检测动脉结的功能.
研究的目的:
- 系统地审查和元分析AI在检测牙科X射线图上的状动脉化的准确性.
- 评估人工智能算法的诊断性能,以识别动脉化.
主要方法:
- 在主要数据库 (PubMed,Scopus,Embase,Web of Science) 进行系统的文献搜索.
- 由两个独立的审稿人进行数据提取,重点关注研究设计,成像方法和诊断准确度指标 (灵敏度,特异性).
- 使用随机效应模型的元分析以及使用QUADAS-2进行偏差风险评估.
主要成果:
- 包括九项定性分析和五项定量分析的研究.
- 人工智能算法使用圆束计算机断层扫描和全景放射图进行了评估.
- 总体聚合灵敏度为0.92 (95% CI 0.810.97),特异性为0.96 (95% CI 0.920.97). 总体聚合灵敏度为0.92 (95% CI 0.810.97),特异性为0.96 (95% CI 0.920.97). 总体聚合灵敏度为0.92 (95% CI 0.810.97),特异性为0.96 (95% CI 0.920.97).
结论:
- 人工智能方法在牙科放射图中显示出高灵敏度和特异性,用于检测牙动脉化.
- 这些人工智能工具显示出作为早期心血管风险检测有效查方法的巨大潜力.
- 通过人工智能在牙科成像中早期识别血管疾病标志物,可以帮助预防中风.
