基于使用CBCT图像的深度卷积神经网络,自动检测正义牙科诱导的外部根吸收
Shuxi Xu1,2,3,4, Houli Peng1,2,3,4, Lanxin Yang1,2,3,4
1College of Stomatology, Chongqing Medical University, Chongqing, 401147, China.
Scientific reports
|July 2, 2025
概括
使用圆束计算机断层扫描 (CBCT) 图像的新型深度学习模型可以准确地检测正牙诱导的外部根吸收 (OIERR). 这种人工智能工具在诊断这种常见的正风险方面优于人类正医生.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- ортодонтически诱导的外根再吸收 (OIERR) 是经常发生的 ортодонтической治疗的并发症.
- 目前OIERR的诊断方法依赖于主观评估和耗时的手动测量.
- 需要客观和有效的工具来帮助OIERR诊断.
研究的目的:
- 开发和评估使用深度卷积神经网络 (CNN) 的OIERR智能检测模型.
- 为了利用圆束计算机断层扫描 (CBCT) 图像进行自动化OIERR检测.
- 为正牙医提供辅助诊断支持.
主要方法:
- 六个预训练的CNN架构被用来构建OIERR检测模型.
- 1717个CBCT切片的数据集被用于培训,以及429个切片用于测试.
- 用准确度,精度,灵敏度,特异性和F1得分来评估模型性能,并与人类专家诊断进行比较.
主要成果:
- EfficientNet-B1模型在检测OIERR时表现出卓越的性能.
- 该模型实现了高度指标:0.97准确度,0.98精度,0.97灵敏度,0.98特异性和0.98F1得分.
- 美国有线电视新闻 (CNN) 模型在精度 (0.97对0.86),回忆 (0.97对0.78) 和F1得分 (0.98对0.87) 方面显著优于两名正牙医.
结论:
- 深层卷积神经网络 (CNNs) 与CBCT成像相结合,为OIERR检测提供了一个准确和有效的方法.
- 开发的AI模型超越了人类正牙医的诊断能力.
- 这种人工智能驱动的方法将成为一种有价值的临床工具,用于快速查和诊断OIERR.
