开发和评估一种深度学习模型,用于在口腔内照片中对闭塞进行分类
Rongxiu Zhang1, Lin Zhang1, Di Zhang1
1Department of Stomatology, The First Affiliated Hospital of Bengbu Medical College, Bengbu, Anhui, China.
PeerJ
|October 1, 2025
概括
这项研究引入了一种深度学习模型,用于从口腔内照片中进行自动闭合分类,在识别,狗和超咬关系方面实现高准确性. 这种人工智能工具提高了正牙诊断和治疗规划效率.
科学领域:
- 人工智能在牙科中的应用
- 对于医学成像的深度学习
- ортодонтический诊断 牙科诊断 牙科诊断 牙科诊断
背景情况:
- 不良闭塞会影响口腔健康和美学,传统上通过体检或造来诊断.
- 数字牙科越来越多地使用口内摄影,但解释需要专业知识.
- 医疗成像中的人工智能和深度学习应用正在推进,但在闭塞分类方面尚未得到充分探索.
研究的目的:
- 开发一个使用深度学习的自动闭塞分类工具.
- 从数字口腔内摄影中识别闭塞类型,用于正牙治疗规划.
主要方法:
- 开发了基于Swin Transformer的三种深度学习模型.
- 利用了来自6,100名患者的7200张口内照片的大数据集.
- 分类的,狗和前部超咬关系.
主要成果:
- 获得了0.90的牙关系和0.87的狗关系的加权平均F1分数.
- 在前部超咬关系中获得0.89的加权平均F1得分.
- 过度咬伤的F1子类得分从0.86到0.94.9不等.
结论:
- 深度学习模型成功地从口内照片中确定了关键的闭合关系.
- 该模型显示了在牙矯正中临床应用的巨大潜力.
- 自动闭塞分类可以提高正牙诊断的效率和客观性.
