早期牙非矿化评估的分类算法通过阻抗光谱学进行评估
Isabella Sannino1, Luca Lombardo2, Leila Es Sebar1
1Department of Applied Science and Technology, Politecnico di Torino, 10129 Turin, Italy.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
现在可以通过一种新的非侵入性阻抗光谱法来早期检测口腔. 这种无辐射的方法使用人工智能 (AI) 准确识别牙质去矿化,改善牙科诊断.
科学领域:
- 生物医学工程 生物医学工程
- 牙科诊断 牙科诊断 牙科诊断
- 医疗保健中的人工智能
背景情况:
- 口腔,一个普遍的全球口腔疾病,开始与牙质去矿化,并可能导致牙损失.
- 目前用于脱矿的诊断方法缺乏灵敏度,依赖于操作人员的专业知识,可能涉及电离辐射.
- 对口腔的非侵入性,快速和准确的早期检测工具有很大的需求.
研究的目的:
- 调查阻抗光谱的可行性,以进行口腔的无侵袭,无辐射的早期检测.
- 开发和验证基于人工智能的分类器,以使用阻抗数据自动评估去矿化.
- 创建一个原型的便携式诊断工具,用于早期虫检测.
主要方法:
- 在实验室中对人类牙进行了脱矿化,以获得阻抗光谱数据.
- 开发了两个二进制分类器:一个单个神经元分类器使用15 Hz阻抗相测量和一个多层感知器 (MLP) 使用等效电路元件值.
- 建立了一个原型诊断工具,以可靠地测量阻抗相.
主要成果:
- 单个神经元分类器实现了88%的准确性,为快速测量提供了低功耗的解决方案.
- 该MLP分类器实现了86%的准确性.
- 原型工具展示了可靠的阻抗相位测量,不确定性小于2°.
- 分类器的性能达到或超过了使用放射数据的现有基于人工智能的方法.
结论:
- 阻抗光谱与人工智能相结合,为早期口腔检测提供了一种新且有效的方法.
- 这种非侵入性,无辐射的方法为当前的诊断技术提供了一个有希望的替代方案.
- 开发的技术为早期虫管理提供了可访问和准确的工具奠定了基础.
相关概念视频
01:29Determination of Crystal Structures
In the late 1800s, the revelation that light extended beyond visible wavelengths led to the discovery of X-rays by Wilhelm Roentgen. Recognized as high-energy electromagnetic radiation with short wavelengths, X-rays prompted exploration into their interaction with crystals. Max von Laue proposed in 1912 that the periodic arrangement of atoms, ions, or molecules in crystals would cause them to diffract X-rays, a hypothesis confirmed through experiments with copper sulfate and zinc sulfide...
01:28Methods of Classification and Identification
Bacterial identification relies on a diverse array of techniques to classify and understand microorganisms, each tailored to uncover specific characteristics. Traditional morphological approaches, while still valuable, are limited for closely related or structurally simple organisms. Modern methods integrate biochemical, serological, genetic, and advanced molecular tools to achieve greater accuracy.Morphological and Biochemical TechniquesMorphological characteristics, such as cell shape and...