基于分析的人工智能系统的评价 牙周围的病变 - 一项放射学研究
Giridhar Naidu1, Ramanpal Singh Makkad1, Fiza Khan1
1Department of Oral Medicine and Radiology, New Horizon Dental College and Research Institute Sakri, Bilaspur, Chhattisgarh, India.
Journal of pharmacy & bioallied sciences
|July 14, 2025
概括
手动机器学习AI通过CBCT扫描实现了100%的精度来诊断CBCT扫描中的牙周叶病变,超过了深度学习AI以更好地进行放射性诊断.
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:
- 牙周围牙病变需要准确的诊断才能进行有效的治疗.
- 圆束计算机断层扫描 (CBCT) 是评估这些病变的关键成像方式.
研究的目的:
- 通过CBCT扫描来评估基于AI的分析用于诊断牙周围牙病变的有效性.
- 为了比较人工机器学习 (ML) AI和深度学习 (DL) AI的诊断性能.
主要方法:
- 分析了500个CBCT扫描,其中400个用于AI培训,100个用于验证.
- 人工智能将病变分为周围囊,,或颗粒瘤.
- 计算AI模型的灵敏度,特异性和准确性,并与放射科医生的性能进行比较.
主要成果:
- 手动ML AI实现了100%的准确性,而DL AI实现了84.62%的准确性.
- 囊呈现有规律的边缘和皮层扩张;腹和颗粒瘤显示出低密度.
- 放射科医生表现出高度的观察者间一致性 (0.98).
结论:
- 与深度学习人工智能相比,手动机器学习人工智能在周围病变的放射诊断方面表现出更高的准确性.
- 人工智能具有显著的潜力,可以帮助精确地进行牙周围牙病变的放射诊断.
