一个新的多模式深度图像分析模型,用于预测提取/非提取决策
Sunna Imtiaz Ahmad1, Jakub Olczyk1, Adriel S Araújo2
1School of Dentistry, Indiana University, Indianapolis, Indiana, USA.
Orthodontics & craniofacial research
|November 6, 2025
概括
深度学习模型准确地预测了使用横向头脑计辐射和口腔内扫描的正牙切除决策. 将这些数据源结合起来,特别是与头脑测量地标结合起来,为临床医生提供了卓越的诊断性能.
科学领域:
- 人工智能在牙科中的应用
- 牙正治疗计划 牙正治疗计划
- 医学图像分析 医学图像分析
背景情况:
- ортодонтика治疗的决定,如提取与非提取,是至关重要的.
- 目前的决策依赖于临床专业知识和放射分析.
- 需要先进的决策支持工具来帮助正牙医.
研究的目的:
- 开发一种深度学习分类器,用于预测正义牙提取决策.
- 为了利用横向头部计射线图 (LCR) 和口内扫描 (IOS) 作为输入数据.
- 创建一个决策支持工具,为正牙医.
主要方法:
- 使用了617名患者的LCR和IOS数据集.
- 从IOS (弧度测量,牙空间特征) 和LCR (CephNet地标,自动编码器,PCA) 中提取特征.
- 深度学习模型被训练并使用准确度,灵敏度,特异性和F1得分等指标进行评估.
主要成果:
- 结合的IOS+Landmark (Land) 模型获得了最高的准确率 (77%) 和F1得分 (0.62).
- 该模型还显示出强烈的特异性 (83%) 和积极的预测值 (62%).
- 多模式模型显著优于单模式模型,特别是自动编码器 (AE) 模型.
结论:
- 深度学习模型有效地从LCR和IOS中预测提取/非提取决策.
- 综合IOS与头脑测量地标的多模式方法提供了卓越的诊断性能.
- 这些模型可以作为价值的决策支持工具在牙矯正.
