开发和验证人工智能模型,用于使用全景放射图进行牙周炎的自动分期和分级

科学领域:

• 人工智能在牙科中的应用
• 放射图像分析 放射图像分析
• 牙周病的诊断 牙周病的诊断

背景情况:

• 牙周病是普遍存在的慢性疾病,需要及时诊断以防止牙脱落和全身问题.
• 2017年美国牙周学会的分类强调了对先进诊断工具的需求.
• 目前的牙周炎诊断方法可能是耗时和主观的.

研究的目的:

• 开发和验证人工智能驱动的系统,用于自动化牙周炎的分期和分级.
• 为了利用YOLOv8架构来分析全景射线图.
• 为牙周炎评估提供准确有效的工具.

主要方法:

• 在500张全景X射线图上训练了三个YOLOv8模型来分割膜骨水平,水泥面结 (CEJ) 和牙轴.
• 采用图像增强技术来增强模型的强度.
• 综合性放射测量与患者数据 (年龄,吸烟,糖尿病) 用于分期和分级.

主要成果:

• 高精度 (0.95-0.97) 和回忆 (0.94-0.96) 的骨水平和CEJ检测模型.
• 成功自动确定牙周炎阶段 (I-IV) 和等级 (A-C).
• 开发了一个交互式接口,用于临床医生审查和调整AI输出.

结论:

• YOLOv8框架准确地识别了牙周地标,并自动化了分阶段和分级.
• 该系统对大规模的牙周查和增强患者护理充满希望.
• 未来的研究将集中在数据集扩展和临床验证上.