使用深度学习的牙科全景放射图的自动化质量评估
Nazila Ameli1, Masoud Miri Moghaddam1, Hollis Lai1
1Mike Petryk School of Dentistry, University of Alberta, Edmonton, Alberta, Canada.
Imaging science in dentistry
|July 3, 2025
概括
人工智能 (AI) 现在可以自动评估牙科全景射线图的质量,提高效率和一致性. 这种深度学习模型有助于识别诸如文物和不良定位等问题,支持更好的诊断准确性.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 全景射线图对于牙科诊断至关重要,但通常会受到影响准确性的质量问题.
- 专家对射线图质量的评估是耗时且不一致的.
- 人工智能 (AI) 为自动化,客观的放射质量评估提供了一个潜在的解决方案.
研究的目的:
- 开发和评估基于深度学习 (DL) 的模型,用于牙科全景放射图的自动质量评估.
- 通过特定的质量标准来评估模型的性能,包括对比度,工件,覆盖范围和定位.
主要方法:
- 两位牙医根据预定义的质量标准对1000张全景放射图的数据集进行了注释.
- 训练了五个YOLOv8深度学习模型来分类特定的质量方面.
- 在单独的测试集上使用准确度指标评估模型性能.
主要成果:
- 对于各个标准,DL模型取得了很高的准确性:对比度/密度为97.9%,文物检测为87.2%,整体质量为79.3%,定位为77.3%,覆盖率为74.1%.
- 一个将图像分类为临床上可接受或不可接受的模型平均准确率达到81.4%.
结论:
- 基于深度学习的全景射线图的自动化质量评估是可行的.
- 开发的模型显示了将其整合到临床工作流程中的潜力,以提高效率和一致性.
- 这种人工智能工具也可以作为牙科学生的教育资源,以改善放射技术.
