从全景射线图使用牙水平信息与注意力权重模块开发完全自动化的牙年龄估计框架
Witsarut Upalananda1,2, Sangsom Prapayasatok3, Sakarat Na Lampang3
1Department of Biomedical Sciences and Biomedical Engineering, Faculty of Medicine, Prince of Songkla University, Hatyai, 90110, Songkhla, Thailand.
Dento maxillo facial radiology
|September 3, 2025
概括
这项研究使用全景X射线图对年轻人的牙年龄进行自动化深度学习框架. 该模型的准确性很高,为法医应用提供了有前途的工具.
科学领域:
- 法医人类学
- 放射学
- 人工智能
背景情况:
- 准确的年龄估计在法医科学中至关重要,
- 牙年龄估计是可靠的方法,但手工分析可能是耗时和主观的.
研究的目的:
- 开发一个自动化和可解释的深度学习框架来估计牙的年龄.
- 提高使用全景射线图的年轻人 (8-23岁) 年龄估计的准确性和效率.
主要方法:
- 开发了两阶段的深度学习管道,包括面向牙检测 (YOLO11-OBB) 和使用回归模型与注意力加权模块的年龄估计.
- 使用了1639张全景放射图的数据集.
- 评估了叶落牙的存在和性别等辅助特征的影响.
主要成果:
- 牙检测阶段的F1得分为0.981.
- 最好的年龄估计模型 (DenseNet-121具有叶落牙特征) 的平均绝对误差 (MAE) 为1.05±0.95年.
- 建议的框架在减少MAE方面显著优于传统方法.
结论:
- 开发的框架为自动化牙年龄估计提供了可解释和高性能解决方案.
- 这项技术对现实世界中的法医年龄评估应用具有显著的前景.


