肯尼迪分类在全景X射线中通过自动牙标签的确定
Hans Meine1, Marc Christian Metzger2, Patrick Weingart2
1Fraunhofer Institute for Digital Medicine MEVIS, Max-von-Laue-Str. 2, 28359, Bremen, Germany. hans.meine@mevis.fraunhofer.de.
概括
这项研究引入了一种使用深度学习的自动化方法,通过全景X射线 (PX) 来分类部分无牙. 该系统实现了83.0%的准确性,简化了牙科诊断.
科学领域:
- 牙科成像和诊断牙科成像和诊断
- 医疗保健中的人工智能
- 口腔和大面部外科手术
背景情况:
- 全景X射线 (PX) 对于牙和大面部诊断至关重要.
- 准确分类部分无牙下巴对于治疗计划至关重要.
研究的目的:
- 通过使用全景X射线,研究在部分无牙下巴中自动确定肯尼迪分类.
- 开发和评估用于自动牙科诊断的深度学习模型.
主要方法:
- 一项回顾性研究使用了209张PX图像.
- 面膜R-CNN深度学习模型用于牙检测,标签 (外国直接投资计划) 和细分.
- 后处理和基于规则的算法决定了肯尼迪的分类.
主要成果:
- 在83.0%的病例中,肯尼迪的分类被正确确定.
- 在牙检测中实现了高灵敏度 (97.1%) 和精度 (98.1%).
- 外国直接投资位置标签的准确性达到94.7%,从后处理显著改善.
结论:
- 在PX图像中的自动化牙分析可以扩展到下巴分类.
- 这种方法减少了牙科中标签和分类的手工工作量.
- 这些发现支持将AI整合到临床牙科诊断中.


