使用对比学习和贝叶斯自动调整深度学习模型,在下三提取后单步预测下膜神经损伤
Kyubaek Yoon1, Yiseul Choi2, Myoungho Lee2
1Department of Artificial Intelligence and Software, College of Artificial Intelligence, Ewha Womans University, Seoul, 03766, Korea.
Dento maxillo facial radiology
|September 27, 2025
概括
一个新的深度学习框架显著改善了从牙科成像中预测下膜神经 (IAN) 损伤的预测. 人工智能模型在形光束计算机断层扫描 (CBCT) 分析方面表现出色,优于外科医生,但专家解释对于全景放射图仍然至关重要.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在口腔外科手术.
背景情况:
- 下膜神经 (IAN) 损伤是下第三口取过程中存在的重大风险.
- 准确预测IAN损伤对于手术规划和患者安全至关重要.
研究的目的:
- 开发和评估一个深度学习框架,集成对比学习和贝叶斯优化来预测IAN损伤.
- 为了提高AI模型的预测性能,使用圆束计算断层扫描 (CBCT) 和全景射线图.
主要方法:
- 使用了902张全景放射和1500张CBCT图像的回顾性数据集.
- 训练了五个深度学习架构,并没有对比学习和贝叶斯优化.
- 用准确度,F1得分来评估模型性能,并与口腔和面外科医生 (OMFS) 进行比较.
主要成果:
- 在所有评估的深度学习模型中,对比学习显著提高了F1分数.
- 贝叶斯优化进一步提高了F1分数,一些模型达到0.923.
- 人工智能模型在CBCT图像上表现优于OMFS (F1得分:0.923比0.667),但在全景放射图上没有 (0.666比0.730).
结论:
- 提出的深度学习方法有效地预测IAN损伤,与对比学习和贝叶斯优化增强性能.
- 人工智能在IAN伤害预测的CBCT分析中表现优于人类专家.
- 需要进一步研究多中心验证和可解释的人工智能,以促进临床采用,特别是全景射线图.


