应用深度学习技术在全景放射学中识别桃体
Ezgi Katı1, Sümeyye Coşgun Baybars2, Çağla Danacı3,4
1Faculty of Dentistry, Department of Dentomaxillofacial Radiology, Dicle University, Sur, Diyarbakır, Turkey. ezgi.kati@dicle.edu.tr.
Scientific reports
|July 9, 2025
概括
这项研究表明,人工智能 (AI) 可以在全景放射图 (PR) 上准确地检测桃体. 人工智能模型达到89%的准确性,有助于更快,更安全的诊断和减少不必要的医疗程序.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 在全景放射图 (PRs) 上的桃体石通常被错误诊断.
- 错误诊断导致不必要的程序,患者的风险,增加医疗保健成本.
研究的目的:
- 开发和评估人工智能模型,以准确和快速检测桃体.
- 提供诊断支持和提高患者安全.
主要方法:
- 利用了275个PR的数据集 (150个带有桃体,125个没有).
- 评估的卷积神经网络 (CNN) 模型,包括ResNet和EfficientNet.
- 使用准确度,回忆度,精度和F1分数来评估模型性能.
主要成果:
- ResNet18和EfficientNetB0在区分桃石存在时实现了89%的平均准确性.
- EfficientNetB0的准确度为93%,回忆率为87%,F1得分为90%.
- 与其他模型相比,ResNet101的性能较低.
结论:
- 由人工智能驱动的深度学习模型可以显著提高桃体结石的临床诊断.
- 实施人工智能可以提高放射学诊断的准确性和效率.
- 这项技术解决了对可靠的桃体石识别的临床需求.
