确保牙科教育的完整性:开发一种新型的人工智能模型,用于在临床前内治疗过程中进行一致和可追溯的图像分析
Mohamed Ibrahim1, Meisam Omidi2, Arndt Guentsch3
1Program in Endodontics, Marquette University School of Dentistry, Milwaukee, Wisconsin, USA.
International endodontic journal
|June 19, 2025
概括
使用罗神经网络的人工智能 (AI) 模型可以检测牙放射图中的不一致性,用于根管治疗. 这种人工智能工具通过识别潜在的学术不诚实,提高牙科教育的学术诚信.
科学领域:
- 牙科教育 牙科教育
- 人工智能的人工智能
- 牙周内科医院 牙周内科医院 牙周内科医院
背景情况:
- 在牙科教育中,学术诚信至关重要,尤其是在评估实践技能方面.
- 目前的方法难以检测高级学术不诚实行为,比如改放射图像.
- 确保临床前内牙评估的公平性至关重要.
研究的目的:
- 开发和评估一种新的人工智能 (AI) 模型,用于检测放射性不一致性.
- 利用语神经网络来识别根管治疗 (RCT) 放射图中的潜在学术不诚实.
- 加强在临床前牙科教育中的学术诚信.
主要方法:
- 一个罗神经网络被设计用于比较不同RCT程序的X线图.
- 该模型在3390张X射线图上进行了训练,并进行了数据增强.
- 使用准确度,精度,灵敏度和F1得分来评估性能,并进行了针对强度的交叉验证.
主要成果:
- 人工智能模型实现了89.31%的准确度,76.82%的精度,84.82%的灵敏度和80.50%的F1得分.
- 为了最大的准确性,确定了0.48的最佳相似度值.
- 交叉验证证实了模型的稳定性与低标准偏差.
结论:
- 一个人工智能驱动的罗神经网络有效地检测到临床前RCT程序中的放射性不一致性.
- 这种新型的模型作为一个客观的工具来维护牙科教育的学术诚信.
- 实施可以提高评估的公平性,促进诚实,并减少教育工作者的工作量.
