深度学习用于全景放射图中的牙检测和细分:系统性审查和元分析
M Bonfanti-Gris1, A Herrera1, M P Salido Rodríguez-Manzaneque2
1Department of Conservative and Prosthetic Dentistry, Faculty of Dentistry, Universidad Complutense de Madrid, Plaza Ramón y Cajal S/N, Madrid, 28040, Spain.
BMC oral health
|July 30, 2025
概括
深度学习方法在全景射线图中检测和细分牙的准确度很高. 温和的建议表明,人工智能工具可以帮助牙科专业人员完成这些任务.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 深度学习 (DL) 在牙科成像分析方面表现有前途.
- 骨科造影是常见的牙科X射线,需要精确的牙评估.
- 评估牙检测和细分的DL性能至关重要.
研究的目的:
- 系统地审查和元分析DL方法的性能,用于牙检测和分段在orthopantomographies.
- 在这种情况下,总结有关DL算法的诊断准确性的现有证据.
主要方法:
- 对Medline,Embase和Cochrane数据库进行了系统的搜索,直到2023年9月.
- 在选了2,207个记录后,包括了20项研究,数据被提取并由两名独立审查员评估质量.
- 对mesiodens检测和细分数据进行了元分析,包括层次总结接收器操作特征 (HSROC) 曲线.
主要成果:
- 分析表明DL方法的高聚合诊断性能.
- 聚合灵敏度为0.92 (95% CI,0.84-0.96) 和聚合特异性为0.94 (95% CI,0.89-0.97).
- HSROC曲线表明灵敏度和特异性之间存在强烈的正相关性 (r=0.886).
结论:
- 深度学习方法在全景放射图中对牙检测和细分具有显著的准确性.
- 为牙科操作人员提供了适度的建议,以考虑这些应用程序的基于AI的工具.
- 进一步验证和整合人工智能工具在牙科实践中得到了这一证据的支持.
