一种深度学习方法用于检测全景射线图像上的周周病变
Mert Yagiz Pekiner1, Hakan Yulek1, Ayse Gul Oner Talmac2
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Marmara University, Istanbul, Turkiye.
Journal of the College of Physicians and Surgeons--Pakistan : JCPSP
|November 17, 2025
概括
像YOLOv5这样的深度学习算法可以在牙科全景放射图上可靠地检测牙周病变. 牙科人工智能为系统和从业人员提供了优势,目前正在进行研究以提高检测结果.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 周周病变是一种常见的牙科问题.
- 全景放射是广泛使用的诊断工具.
- 深度学习和人工智能为病变检测提供了新的途径.
研究的目的:
- 评估深度学习模型 (YOLOv5) 的性能,用于细分周周病变.
- 评估YOLOv5在牙科全景放射图上识别周周病理方面的准确性.
主要方法:
- 一项使用1500张匿名全景放射图的观察性研究.
- 使用PyTorch.ch开发和测试YOLOv5深度学习模型.
- 数据集分为培训,验证和测试集;通过灵敏度,精度和F1分数衡量性能.
主要成果:
- YOLOv5深度学习算法实现了0.682的灵敏度,0.784的精度和0.729.72的F1得分.
- 这些结果表明,可靠的识别能力,为periapical病变.
结论:
- 深度学习算法在全景放射图上显示出可靠的周周病变检测的前景.
- 人工智能和深度学习正在彻底改变牙科保健.
- 建议使用扩展数据集进行进一步的研究,以提高检测准确度.
