卷积神经网络在基于牙科全景放射图的牙冲击自动判断系统中的应用
Ya-Yun Huang1, Yi-Cheng Mao2, Tsung-Yi Chen3
1Program on Semiconductor Manufacturing Technology Academy of Innovative Semiconductor and Sustainable Manufacturing, National Cheng Kung University, Tainan City 70101, Taiwan.
Diagnostics (Basel, Switzerland)
|June 13, 2025
概括
这项研究开发了一种使用卷积神经网络 (CNN) 的AI系统,用于在全景放射 (PANO) 图像中检测受影响的第三牙. 人工智能实现了98.66%的准确性,显著改善了牙科诊断支持.
科学领域:
- 人工智能在牙科中的应用
- 医学图像分析 医学图像分析
- 牙科诊断 牙科诊断 牙科诊断
背景情况:
- 全景放射 (PANO) 对于牙科检查至关重要,有助于诊断和治疗规划.
- 人工智能 (AI) 集成为增强医疗应用提供了潜力.
- 准确检测受损牙对于有效的牙科护理至关重要.
研究的目的:
- 开发一种自动化系统,用于在PANO图像中对受影响的第三骨进行细分和定位.
- 使用Sobel边缘检测和图像预处理技术来增强特征提取.
- 使用人工智能提高受影响牙检测的准确性和效率.
主要方法:
- 实施Sobel边缘检测和增强,以改善特征提取.
- 训练一个卷积神经网络 (CNN) 进行自动撞击牙检测.
- 利用人工智能在牙科放射图中对受影响的第三牙进行细分和定位.
主要成果:
- 在图像预处理和增强后,人工智能系统实现了98.66%的检测准确度.
- 这代表了与现有方法相比的显著改进,准确率约为90%.
- 自动检测过程很快,每张图像在4.4秒内完成.
结论:
- 开发的AI系统有效地支持牙医的临床决策.
- 增强的图像预处理和CNN显著提高了受影响的牙检测准确度.
- 这项技术使牙科专业人员能够更多地专注于患者护理和治疗计划.
