基于深度学习的系统的开发和评估,用于使用全景放射图上的Demirjian方法来估计牙年龄
Yunus Balel1, Kaan Sağtaş2, Havva Nur Bülbül3
1Department of Oral and Maxillofacial Surgery, Faculty of Dentistry, Sivas Cumhuriyet University, Atatürk Blv. 1B, Mehmetpaşa, Merkez, 58040, Sivas, Türkiye. yunusbalel@hotmail.com.
BMC oral health
|July 16, 2025
概括
使用德米尔吉安方法估计牙年龄的新人工智能模型显示的准确性与手动评估相当. 这种使用全景射线图的深度学习方法为临床和法医应用提供了一个用户友好的工具.
科学领域:
- 人工智能在牙科中的应用
- 放射性牙科年龄估计放射性牙科
- 对于医学成像的深度学习
背景情况:
- 准确的牙年龄估计对于临床和法医应用至关重要.
- 德米尔吉安方法是评估牙发育阶段的广泛使用的标准.
- 传统的手动评估牙发育可能是耗时和主观的.
研究的目的:
- 开发和评估基于深度学习的模型,用于自动估计牙年龄.
- 为了比较人工智能模型的性能与传统的手动Demirjian方法.
- 使用精度,回忆,F1得分和mAP指标来评估模型的准确性.
主要方法:
- 一个YOLOv11深度学习模型在4800张全景射线图上进行了训练和验证.
- 使用德米尔吉安方法进行了牙发育分期.
- 用一个单独的650个人的数据集进行了与手动评估和时间表年龄进行比较分析.
主要成果:
- 人工智能模型实现了高性能,特别是在牙发育的后期阶段 (例如,第2-H:F1=0.995).
- 手动和人工智能辅助的Demirjian方法都高估了时间年龄,它们之间没有显著差异.
- 观察到年龄和预测错误之间存在弱但具有统计学意义的关系,在AI模型中略显.
结论:
- 人工智能辅助系统的准确性与手动的德米尔吉安方法相美.
- 开发的系统,包括Python脚本和GUI,是用户友好和可扩展的.
- 为临床部署,建议在多种不同人群中进一步验证和探索替代架构.
