通过人工智能算法精确诊断面病理:系统性审查
Meysam Rahmanzadeh1, Auob Rustamzadeh2, Enam Alhagh Gorgich3
1Department of Dentistry School, Alborz University of Medical Sciences, Karaj, Iran.
Journal of maxillofacial and oral surgery
|August 4, 2025
概括
人工智能,包括机器学习和深度学习,通过使用CBCT等先进的成像来增强口腔和面疾病的诊断. 这些人工智能工具的准确性很高,在识别牙和牙疾病方面经常超过人类放射科医生.
科学领域:
- 口腔和面放射学 口腔和面放射学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 口腔和面部疾病需要准确和及时的诊断,以有效管理.
- 先进的成像技术,如计算机断层扫描 (CT) 和圆束计算机断层扫描 (CBCT) 提供详细的解剖信息.
- 人工智能 (AI) 的整合,特别是机器学习 (ML) 和深度学习 (DL),为改善诊断能力提供了新的途径.
研究的目的:
- 审查AI算法 (ML和DL) 在口腔和面疾病的诊断和管理中的应用.
- 评估先进的成像技术 (CT,CBCT) 与人工智能相结合的作用,以提高诊断准确度.
- 突出AI在从放射数据中解释复杂的面病理方面的潜力.
主要方法:
- 在主要的数据库中进行了全面的文献搜索:科学网,PubMed,Scopus和谷歌学者.
- 审查的重点是2010年至2024年间发表的研究,使用与放射学,MRI,CT,CBCT,ML,DL和面病理学相关的关键词.
- 重点是研究报告AI在口腔和面成像中的临床应用和诊断性能指标.
主要成果:
- 深度学习算法实现了垂直根骨折的高诊断精度 (例如,前肢骨折的89.0%) 和CBCT图像评估 (93%).
- 特定的DL架构,如GoogLeNet Inception v3,在CBCT上表现出优异的性能 (AUC 0.914),与某些病理的全景放射 (AUC 0.847) 相比.
- CBCT成像显示出比全景图像 (84.6%) 更高的诊断准确性 (91.4%),特别是对于牙引起的囊病变. DL模型在淋巴结分类方面也表现出强的表现.
结论:
- 形光束计算机断层扫描 (CBCT) 提供了卓越的解剖细节,对于诊断口腔和牙和面部疾病至关重要.
- 深度学习算法在诊断各种牙科和牙病症时表现出高准确度和灵敏度.
- 人工智能驱动的诊断工具显示出与人类放射科医生在特定的面成像任务中的性能相匹配或超过的潜力.
