用于检测牙腐烂的人工智能:基于MobileNetV2模型的混合,微调和量子化方法
Ahmad Fitri Boy1,2, Akhyar Akhyar1,3, Teuku Yuliar Arif1,4
1Doctoral Program-School of Engineering, Universitas Syiah Kuala, Banda Aceh, Indonesia.
Journal of conservative dentistry and endodontics
|August 27, 2025
概括
这项研究开发了一个人工智能系统,用于在移动设备上使用深度学习来早期检测牙. 优化的系统达到96%的准确性,为服务不足的地区提供了实用解决方案.
科学领域:
- 口腔健康问题
- 人工智能
- 医学成像
背景情况:
- 牙腐烂是一种普遍的口腔疾病,通常未能及早发现,特别是在资源有限的地区.
- 人们迫切需要便捷,便携和人工智能化的工具来早期检测.
研究的目的:
- 开发一个高效准确的人工智能系统,
- 优化系统在现实世界临床环境中的移动设备部署.
主要方法:
- 一个轻量级的人工智能模型 (MobileNetV2) 已被开发用于虫的分类.
- 使用了优化技术,包括混合增强,微调和量子化意识培训.
- 使用了大量数据集 (25,500张图像),使用准确性,精度,回忆和F1分数来评估性能. 使用Grad-CAM评估模型的可解释性.
主要成果:
- 优化的人工智能模型实现了96.0%的准确性和F1分数.
- 发现了显著的改善:模型大小减少了72. 68%,推断速度增加了98. 28%.
- 梯度加权类激活映射 (Grad-CAM) 证实该模型专注于其预测的解剖学相关区域.
结论:
- 开发的人工智能系统提供了一个实用,准确和离线的牙查解决方案.
- 这项技术对资源较少的环境特别有益,改善了早期口腔疾病检测的可用性.
