深度学习系统在全景X射线检测牙损伤的评估
Hatice Biltekin1, Gediz Geduk2, Aytaç Altan3
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, University of Bursa Uludag, Bursa, Turkey, dthaticebiltekin@gmail.com, haticebiltekin@uludag.edu.tr.
American journal of dentistry
|August 28, 2025
概括
一个深度卷积神经网络模型显示了在全景放射图上检测牙损伤的前景. 这种人工智能工具达到82%的准确性,
科学领域:
- 牙科学
- 人工智能
- 医学成像
背景情况:
- 检测牙损对于口腔健康至关重要.
- 全景射线图通常用于牙科诊断.
- 深度学习有可能提高诊断准确度.
研究的目的:
- 评估深度卷积神经网络 (CNN) 模型用于检测牙.
- 评估ResNet50架构在分析全景放射图片的有效性.
主要方法:
- 使用了来自101张全景放射图的2660张标记牙图像.
- 创建了5000个数据集,其中有2,340个合成数据点.
- 使用ResNet50 CNN架构,数据分为80%的培训和20%的测试集.
主要成果:
- 深度学习模型的整体分类准确率达到了82%.
- 关键性能指标包括:灵敏度94%,特异性70%,正预测值75.8%和负预测值92%.
- 接收机操作人员特征曲线下的面积 (AUC) 为82%.
结论:
- 这种深度学习模型可以作为牙医的辅助工具.
- 这种人工智能方法可以帮助在全景放射图上检测牙腐烂.
- 进一步融入临床实践可以提高诊断能力.
