基于深度学习的应用程序的临床验证,用于在光成像中对牙斑进行定量评估
Hang-Nga Mai1,2, Sohee Kang3, Hyeonjeong Go4
1Institute for Translational Research in Dentistry, Kyungpook National University, Daegu, Republic of Korea.
Clinical oral investigations
|September 16, 2025
概括
一个新的AI工具客观地使用光图像量化牙斑,大大减少了评估时间. 这种深度学习应用程序通过改善口腔卫生评估,有助于预防牙周病.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 牙周病学 牙周病学
背景情况:
- 牙斑评价对于牙周健康至关重要,但目前是主观和耗时的.
- 需要客观和有效的斑块评估方法来改善口腔卫生监测和疾病预防.
研究的目的:
- 开发和验证基于网络的深度学习应用程序,用于客观的牙斑量化.
- 使用人工智能从光图像中计算斑块-牙面积比.
主要方法:
- 一个YOLO v11深度学习模型在2,490个光图像上受过训练,以检测牙和斑块.
- 该模型在30名额外的参与者身上得到验证,将AI预测与临床评估进行了比较.
- 为临床使用开发了一个网络应用程序,并使用类内相关系数分析进行验证.
主要成果:
- 深度学习模型在检测和细分牙和斑块方面取得了很高的准确性 (F1分数为0.81).
- 该模型与专家临床评级有很强的一致性 (ICC = 0.947).
- 网络应用程序减少了97.9%的斑块评估时间.
结论:
- 开发的Web应用程序准确而客观地通过光图像量化牙斑.
- 这种人工智能工具显示出作为预防牙周病的有效口腔卫生评估工具的潜力.
- 该应用程序提供了一个可扩展的解决方案,用于提高诊断精度和标准化口腔卫生监测.
