深度学习的评估,以细粒度分类和后处理改进来检测
1College of Electrical Engineering and New Energy, China Three Gorges University, Yichang, China.
International dental journal
|July 23, 2025
概括
这项研究使用先进的深度学习模型增强了牙检测,实现了更高的准确性和更精细的分类,以实现个性化治疗策略. 这些新方法改善了多个AI模型的检测,帮助牙医在临床护理中.
科学领域:
- 人工智能在牙科中的应用
- 对于医学成像的深度学习
- 牙科诊断 牙科诊断 牙科诊断
背景情况:
- 现有的用于检测牙损伤的深度学习缺乏全面的分类,并专注于有限的损伤区域.
- 需要先进的人工智能模型,能够检测牙实例和细粒度的分类.
研究的目的:
- 开发和评估先进的深度学习模型,用于基于牙实例的牙损伤检测.
- 实施使用国际虫检测和评估系统 (ICDAS) 标准对虫进行细粒度分类.
- 引入两种新的校正方法,以提高复杂场景中的模型稳定性和准确性.
主要方法:
- 利用1200张口腔内图像的数据集,增加到8754张图像与详细的牙注释.
- 训练并测试了三个最先进的深度学习模型:YOLO-v8,YOLO-v9和YOLO-NAS.
- 实施后处理校正技术,涉及加权平均得分和基于空间牙关系的自适应性信心调整.
主要成果:
- 建议的校正方法在YOLO模型中显著提高了平均精度 (mAP) 2.8%至4.7% (p < .01),YOLO-v8实现了72.9%的mAP.
- 总体精度和回忆分别增加了3.8%和5.6%,每秒 (FPS) 略有下降.
- 在检测中度虫和增强模型稳定性方面表现出显著的改进.
结论:
- 开发的正方法有效地增强了现有的AI框架,用于检测牙虫.
- 细粒度分类能力具有重要的临床价值,帮助牙医制定个性化治疗计划.
- 这项研究预计将推动人工智能在牙科中的应用,并刺激进一步的研究.
