人工智能用于面部骨折检测的诊断性能:系统审查
Nozimjon Tuygunov1, Shukhrat A Boymuradov2, Zohaib Khurshid3,4
1Department of Restorative Dentistry, Kimyo International University in Tashkent, Tashkent, Uzbekistan. nozimtuygunov@gmail.com.
Oral radiology
|November 25, 2025
概括
人工智能 (AI) 模型在通过CT和CBCT等各种成像技术检测面部骨折时表现出高精度. 进一步的研究是需要广泛的临床整合这些AI诊断工具.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 诊断准确性研究 诊断准确性研究
背景情况:
- 面部骨折需要准确和及时的诊断.
- 传统的诊断方法可能会耗时,可能有局限性.
- 人工智能的进步为医学图像分析提供了潜在的改进.
研究的目的:
- 系统地评估AI模型的诊断性能,以检测面部骨折.
- 在不同的成像方式中评估AI模型的准确性:计算机断层扫描 (CT),圆光束CT (CBCT) 和普通放射.
- 确定面部骨折检测中人工智能的当前局限性和未来方向.
主要方法:
- 原始研究的系统审查和元分析.
- 包括使用机器学习或深度学习来检测面部骨折的研究.
- 在PubMed-MEDLINE,Scopus和Web of Science数据库中进行搜索,截至2025年6月3日.
- 使用QUADAS-2工具评估偏差风险,并遵守PRISMA 2020指南.
主要成果:
- 审查中包括了23项研究.
- 对象检测模型 (例如,YOLOv5,更快的R-CNN) 在骨折定位方面显示出高精度.
- 分类模型 (例如ResNet,Swin变压器) 经常实现曲线下的面积 (AUC) > 0.90.
- 分段和混合模型增强了解剖学特异性,但研究设计和数据限制限制了概括性.
结论:
- 人工智能模型在各种成像方式和解剖区域中表现出面部骨折检测的高诊断性能.
- 可解释性AI (XAI) 整合和前性多中心研究对于临床采用至关重要.
- 人工智能辅助诊断可能会提高准确性,减少解释时间,并改善患者的治疗结果,特别是在资源有限的环境中.
