通过人工智能在形束计算断层扫描 (CBCT) 图像上检测和细分上第一大的第二个 mesiobuccal 通道的两步方法
Sally Mansour1, Enas Anter2, Ali Khater Mohamed3
1Oral and Maxillofacial Radiology Department, Cairo university, Cairo, Egypt. sally.mansour@dentistry.cu.edu.eg.
BMC oral health
|September 9, 2025
概括
这项研究开发了一种人工智能算法,用于使用CBCT扫描精确检测和细分尾第一的第二个尾道 (MB2),证明了高准确度.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 上第一的第二个口道 (MB2) 往往难以检测.
- 准确识别MB2对于成功的根管治疗至关重要.
研究的目的:
- 评估一个定制的深度学习模型 (CNN和U-Net) 来检测和细分MB2通道.
- 为了评估这种AI算法的准确性,该算法在形束计算断层扫描 (CBCT) 扫描上进行了测试.
主要方法:
- 一个结合CNN进行分类和U-Net进行细分的深度学习模型被训练在CBCT扫描上.
- 使用了37名患者的数据,其中80%用于培训/验证,20%用于测试.
- 统计评估包括F1得分,准确性,回忆,精度,ROC分析和子系数 (DCE).
主要成果:
- 人工智能模型在检测MB2通道方面取得了很高的性能,F1得分为0.93,回忆率为1.0.
- 细分精度令人满意,测试组的子系数 (DCE) 为0.79.
- 开发的算法展示了精确的检测和细分能力.
结论:
- 开发的AI算法可以在CBCT图像上准确地检测和细分尾第一的MB2通道.
- 这种人工智能工具对改善内牙诊断和治疗规划充满希望.
