人工智能辅助的牙检测和细分在混合牙科的儿科全景放射图上,使用转移学习方法
Serena Incerti Parenti1, Giorgio Tsiotas2, Alessandro Maglioni1
1Unit of Orthodontics and Sleep Dentistry, Department of Biomedical and Neuromotor Sciences (DIBINEM), University of Bologna, Via San Vitale 59, 40125 Bologna, Italy.
Diagnostics (Basel, Switzerland)
|October 29, 2025
概括
一个新的AI模型在混合牙期间在全景放射图上准确地识别了叶落和永久牙,有助于早期检测牙发育问题.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 在混合牙全景放射图 (PRs) 中精确的牙识别对于检测喷发障碍至关重要.
- 目前的方法严重依赖于临床医生的经验,因为发育的变化.
研究的目的:
- 开发一个深度学习模型,用于自动牙检测和细分在混合牙期间的儿科PRs.
主要方法:
- 一个定制的YOLOv11模型被训练在250名儿科公关,使用成人公关的转移学习和手动改进.
- 使用平均平均精度 (mAP) 和F1得分来评估性能.
主要成果:
- 该模型实现了高检测性能 (mAP = 0.963,F1 = 0.953) 和细分精度 (mAP = 0.890).
- 观察到永久牙的精度很好 (F1 = 0.977) 和叶牙的临床可接受的精度 (F1 = 0.884).
结论:
- 自动化系统在牙检测和细分方面表现出近乎专家的准确性.
- 这种AI框架支持早期检测异常,并减少临床医生在混合牙分析中的变异性.
