[在全景口腔X射线图像上智能检测牙异常的多维优化的轻量级算法]
Taotao Zhao1, Ming Ni1, Shunxing Xia1
1College of Information Engineering, Sichuan Agricultural University, Ya'an 625014, China.
Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|September 8, 2025
概括
一个新的YOLOv11-TDSP模型提高了X射线上的牙异常检测,准确度为94.5%. 这种轻量级模型可以提高牙科疾病的检测,同时降低计算成本.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 全景口腔X射线成像对于检测牙异常至关重要.
- 需要准确高效的自动检测系统来帮助牙科专业人员.
研究的目的:
- 开发和评估YOLOv11-TDSP模型,以改善牙异常检测.
- 提高AI模型在分析全景口腔X射线的准确性和效率.
主要方法:
- 集成了一个C2PSA_SHSA注意力机制与单头注意力,以减少冗余和改善检测.
- 引入了一个小物体检测层,以解决错过或错误检测的小物体.
- 应用结构化修剪和数据增强以优化模型参数和概括.
主要成果:
- 该YOLOv11-TDSP模型实现了94.5%的准确度,92.3%的回忆率和95.8%的平均精度.
- 与基线YOLOv11n模型相比,表现出显著的改进.
- 实现了一个轻量级模型,只有12%的参数和YOLOv11x的13%的计算成本.
结论:
- YOLOv11-TDSP模型提供了一种轻量级但非常准确的解决方案,用于识别各种牙科疾病.
- 这个模型在分析全景口腔X射线图像方面显示出临床应用的前景.


