使用机器学习技术从全景射线图中预测牙年龄
Mehdi Salehizeinabadi1, Nazila Ameli1, Kasra Kouchehbaghi2
1Mike Petryk School of Dentistry, University of Alberta, Edmonton, Alberta, Canada.
PLOS digital health
|October 30, 2025
概括
这项研究引入了一种人工智能工具,用于使用全景放射图对儿童的牙年龄进行准确的估计. 深度学习模型实现了高精度,为临床使用提供了可靠的替代方案.
科学领域:
- 儿科牙科 儿科牙科
- 医疗保健中的人工智能
- 放射学分析 放射学分析
背景情况:
- 牙科年龄 (DA) 估计在儿科牙科中对于成长评估和治疗计划至关重要.
- 传统的DA方法是主观的,容易变化.
- 需要自动化方法来提高客观性和效率.
研究的目的:
- 开发和评估一个深度学习 (DL) 模型用于自动化牙科年龄估计.
- 评估DL模型在分类牙科年龄组中的准确性和可解释性.
- 探索儿童牙科实践中人工智能工具的临床实用性.
主要方法:
- 使用了550张儿科全景放射图 (3-14岁) 的数据集.
- 在11个牙科年龄组中,YOLOv11n-cls模型得到了训练.
- 使用数据增强和AdamW优化器;使用Top-1/Top-5准确度和Grad-CAM进行解释性来评估性能.
主要成果:
- 在验证组中,DL模型实现了92.6%的Top-1和99.5%的Top-5精度.
- 在一个独立的测试组中保持了高性能,邻近的年龄组之间存在大多数错误.
- 格拉德-CAM可视化突出显示了临床相关的特征,证实了模型的可解释性.
结论:
- 深度学习,特别是YOLOv11模型,在儿童牙科年龄预测方面表现出很高的性能.
- 人工智能工具提供了快速,准确和可解释的牙科年龄分类.
- 这种人工智能工具是儿童牙科临床整合的一个有前途的辅助工具.
