基于端到端的CNN检测永久的第一个牙,并从全景放射图中预测根部发育阶段
Sukriye Turkoglu Kayaci1, Hamza Osman Ilhan2, Gorkem Serbes3
1Department of Pediatric Dentistry, Hamidiye Faculty of Dental Medicine, University of Health Sciences, Istanbul, Turkey. sukriyeturkoglu1@gmail.com.
Scientific reports
|November 5, 2025
概括
这项研究引入了一个卷积神经网络 (CNN) 来预测牙X射线的第一个根发育阶段. 人工智能模型对改善牙科诊断和治疗规划充满希望.
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:
- 准确评估永久第一牙的根部发育对于正统牙科和儿科牙科治疗计划至关重要.
- 目前用于评估根部发育阶段的方法可能是主观的,耗时的.
研究的目的:
- 开发和评估基于卷积神经网络 (CNN) 的端到端学习架构,用于使用全景射线图自动预测永久第一牙中根部发育阶段.
- 评估不同CNN模型 (VGG-19,InceptionV3,EfficientNet-B3) 在分类根部发育阶段和孔状况方面的表现.
主要方法:
- 采用了1629年第一个部全景放射图的数据集.
- 使用YOLO方法切割牙贴片.
- 在CNN模型 (VGG-19,InceptionV3,EfficientNet-B3) 中使用Adamax优化器进行训练和优化,用于阶段预测和顶峰孔分类.
主要成果:
- 该CNN模型在检测第一个牙方面实现了高精度 (98.4%) 和回忆 (97.6%).
- 根部发育阶段的平均分类准确率为64.21% (DB-1),62.66% (DB-2) 和69.64% (DB-3). 根部发育阶段的平均分类准确率为64.21% (DB-1),62.66% (DB-2) 和69.64% (DB-3). 根部发育阶段的平均分类准确率为64.21% (DB-1),62.66% (DB-2) 和69.64% (DB-3).
- 圆顶孔分类的准确率为84.57% (DB-4) 和94.89% (DB-5).
结论:
- 基于CNN的方法显示了自动牙科诊断的巨大潜力.
- 开发的架构为临床医生提供了一种有效的工具,以评估根部发育和帮助治疗规划.
- 进一步的研究可以改进这些人工智能模型,以提高预测牙发育阶段的准确性.
