在使用修改后的YOLOv7的全景放射图中检测牙周炎骨损失.
Mohammed Gamal Ragab1, Said Jadid Abdulkadir1, Nadhem Qaid2
1Department of Computer and Information Sciences, Universiti Teknologi PETRONAS, Seri Iskandar, Malaysia.
PeerJ. Computer science
|September 24, 2025
概括
这项研究介绍了YOLOv7-M,这是一个用于自动化牙周炎骨损失诊断的深度学习模型. 它比现有方法提供更快,更准确的检测,改善患者护理.
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:
- 牙周炎是一种常见的牙疾病,导致牙脱落.
- 诊断与牙周炎相关的放射性骨损失具有挑战性,需要专业知识和时间.
- 需要自动诊断系统来提高效率和准确性.
研究的目的:
- 开发和评估一个深度学习模型,用于在牙周炎中自动诊断骨损失.
- 为了解决手动放射分析的局限性.
主要方法:
- 一个经过修改的You Only Look Once (YOLO) v2模型,称为YOLOv7-M,被开发出来.
- YOLOv7-M 结合了焦点模块和功能融合,以提高性能.
- 该模型在牙科放射数据集上进行了训练和评估.
主要成果:
- YOLOv7-M实现了高性能指标:F1得分 (92.5%),精度 (91.7%),回忆 (87.1%) 和mAP (91.0%).
- 与YOLOv5和YOLOv7.7相比,该模型表现出卓越的准确性和速度.
- 在统计评估中,YOLOv7-M在统计评估中超过了其他最先进的物体探测器.
结论:
- 拟议的YOLOv7-M模型显示了自动牙周炎诊断的巨大潜力.
- 这项技术可以帮助临床医生早期检测和治疗,改善患者的治疗结果.
- 牙科放射图的自动化分析可以增强牙周炎的管理.


