使用咬牙放射学诊断牙的进展:深度学习方法的系统审查
Kristof Sebastian Hansson Horvath1, Nils Roar Gjerdet1, Xie-Qi Shi1
1Department of Clinical Dentistry, University of Bergen, Bergen, Norway.
Caries research
|June 22, 2025
概括
深度学习显示出对在咬翼放射图上诊断牙的前景,人工智能模型与人类专家的性能相匹配或超过. 然而,在标准化和数据多样性的挑战需要解决广泛的临床使用.
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:
- 深度学习 (DL) 技术越来越多地用于改善放射性病诊断.
- 咬牙X射线图是检测牙腐烂的一个关键方式.
研究的目的:
- 系统地审查深度学习的应用,以使用咬翼放射图来诊断虫.
- 评估DL模型在虫检测,细分和分类中的诊断性能,方法和偏差.
主要方法:
- 根据PRISMA指南进行了系统审查.
- 在Web of Science和PubMed上进行文献搜索,查找2025年3月之前的研究.
- 数据提取侧重于模型架构,数据集,性能指标和使用QUADAS-2的偏差.
主要成果:
- 包括23项研究,评估了DL用于虫检测,细分和分类.
- 常见的DL模型包括ResNet和YOLO;数据集大小差异很大.
- 报告显示,诊断准确度高 (70-99%),一些人工智能模型的表现优于人类专家.
- 方法论,绩效指标和报告标准存在显著的差异.
- 所有研究都显示出至少在一个领域存在偏差的高风险.
结论:
- 深度学习模型展示了在咬翼放射图上脏病诊断的辅助工具的潜力.
- 挑战包括方法异质性,缺乏标准化,有限的数据集多样性和偏见.
- 需要进一步的研究来解决这些局限性,以确保稳健的临床实施.
