使用YOLOv11和RT-DETR的全景射线影像检测和绘制牙病态的牙水平
Sorana Eftimie1, Tudor Ileni2, Liviu Iacob3,4
1Department of Oral and Maxillofacial Surgery and Radiology, Iuliu Hațieganu University of Medicine and Pharmacy, 32 Clinicilor Street 400006 Cluj-Napoca, Romania.
MethodsX
|November 24, 2025
概括
本研究介绍了一种使用深度学习在全景放射图上检测和绘制牙科病理的自动化方法. 该系统准确地将检测到的病变与特定的牙联系起来,有助于牙科诊断.
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:
- 全景射线图对于牙科诊断至关重要.
- 牙图像的自动分析可以提高诊断效率和准确性.
- 当前的方法在病理绘制中往往缺乏牙水平的精度.
研究的目的:
- 开发和验证一种可重复的,自动化的方法,用于在全景放射图上检测牙水平和绘制牙病理.
- 整合深度学习模型,精确细分牙和分类病变.
- 通过对特定的牙赋予病态来支持全面的放射性评估.
主要方法:
- 实施了两阶段的深度学习工作流:牙细分和病变检测/分类.
- 评估的模型架构包括YOLOv11和RT-DETR变体.
- 通过使用两个不同的数据集,评估图像格式化和预处理对系统性能的影响.
主要成果:
- 在病理检测方面,RT-DETR-x实现了最高的平均平均精度 (mAP@50).
- YOLOv11x在细分单个牙方面表现出卓越的准确性.
- 综合系统准确地将检测到的病理与相应的牙联系起来.
结论:
- 开发的方法为人工智能辅助的牙科诊断提供了实际框架.
- 该系统能够对牙进行细分和绘制病态图谱,从而提供了更好的放射性评估.
- 这种方法可以适应其他医学成像数据集和诊断任务.
