基于CNN的远程牙科诊断模型用于用grad-CAM检测
Donghyeok Kim1, Jangkyum Kim2, Seong Gon Choi3
1Department of Data Science, Sejong University, Seoul, 05006, Republic of Korea.
Scientific reports
|July 22, 2025
概括
一个新的AI模型使用先进的成像技术远程准确检测牙损伤. 这项技术改善了牙科诊断的获取,克服了传统面对面检查的局限性,以获得更好的口腔健康结果.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 口腔健康诊断 口腔健康诊断
背景情况:
- 牙损是一种广泛存在的口腔健康问题,需要专业诊断.
- 获得传统牙科护理往往受到成本,可用性和患者担忧的阻碍.
- 需要远程诊断工具来改善牙科护理的可访问性.
研究的目的:
- 开发和评估一个远程牙腐烂检测模型.
- 为了提高性能,利用ResBlock-AutoEncoder与特定域预训练的权重来提高性能.
- 为了提高人工智能驱动的病诊断的解释性和可靠性.
主要方法:
- 实现一个ResBlock-AutoEncoder模型用于虫检测.
- 利用特定领域的预训练重量来优化模型性能.
- 使用Grad-CAM进行视觉解释和检测到的定位.
- 分析正面口腔图像用于虫的识别.
主要成果:
- 该模型实现了高精度 (0.9989),F1得分 (0.9979) 和精度 (1.0).
- 平均推断时间显著低,为5.7939秒.
- Grad-CAM有效地可视化了,证实了模型的可靠性.
- 高精度与前部口腔图像的清晰度有关.
结论:
- 开发的远程虫检测模型表现出极高的准确性和效率.
- 人工智能模型在改善牙科诊断的准入方面表现有前途.
- 未来的工作将集中在结合多角度图像,以提高在各种口腔成像视角的模型概括性.
