使用UNet和转移学习模型自动评估和检测第三关节和下膜神经关系
Ahmad F Klaib1,2, Amal Saif3, Tasneem N Alhosanie2
1Information Systems Department, Yarmouk University, Irbid, 21163, Jordan.
Scientific reports
|October 3, 2025
概括
这项研究使用人工智能模型在X射线上分类下第三牙和下膜神经之间的关系. DenseNet121显示出高精度,帮助牙医进行手术规划,降低神经损伤风险.
科学领域:
- 口腔和牙面部外科手术
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 全景射线图 (PRs) 对于评估下第三 (MM3) 和下膜神经 (IAN) 关系至关重要.
- 精确的评估在口腔手术中至关重要,以防止潜在的IAN损伤,这可能导致唇部或下巴麻醉.
研究的目的:
- 评估转移学习模型,将MM3-IAN关系分为四个类别.
- 评估UNet模型对MM3和IAN检测和细分的性能.
主要方法:
- 一个UNet模型将MM3和IAN分为714个PR,注释增加到1021张图像.
- 包括DenseNet121在内的转移学习模型使用10倍交叉验证进行了评估.
主要成果:
- 在图像注释中,UNet模型实现了0.97准确度.
- DenseNet121表现出强的性能,平均准确度为0.84,精度为0.86,回忆率为0.84,F1得分为0.85.
结论:
- 拟议的AI方法有效地对MM3-IAN关系进行分类,为现有方法提供可比或优越的性能.
- 这种技术可以帮助牙医进行注释和分类,有可能改善手术结果,并指导未来的研究.
