基于深度学习的预测口腔,中部和口腔方向的冲击大犬使用全景放射:一个试点研究研究
Serpil Çokakoğlu1, Samet Tosun2, Muhammet Üsame Özi̇ç3
1Department of Orthodontics, Faculty of Dentistry, Pamukkale University, Denizli, 20160, Turkey. serpilcokakoglu@gmail.com.
BMC oral health
|November 27, 2025
概括
深度学习模型在全景X射线图上对受影响的上犬的方向进行分类是有前途的. YOLO11x的表现优于YOLO12x,特别是在口腔犬的位置上,尽管口腔和中间方向仍然存在挑战.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 受影响的上犬是常见的牙异常.
- 准确地分类犬损伤 (口腔,中间, palatal) 对于治疗规划至关重要.
- 全景放射是广泛使用的成像方式,但其用于分类犬的方向的准确性可能是有限的.
研究的目的:
- 为了比较两个深度学习模型YOLO11x和YOLO12x在使用全景射线图检测和分类受影响的上犬的方向方面的性能.
- 评估深度学习在这个特定的诊断任务的试点研究环境中的有效性.
主要方法:
- 分析了200个患者的全景X射线图,其中一些患者的上犬受到了影响.
- 图像进行了预处理和增强,然后分为训练,验证和测试集.
- 进行深度学习模型 (YOLO11x,YOLO12x) 的训练和测试,使用精度,回忆,F1得分和平均精度 (mAP) 来评估性能.
主要成果:
- YOLO11x模型表现出优于YOLO12x的性能,在训练 (0.723对0.639) 和测试 (0.468对0.435) 期间获得更高的mAP@0.5值.
- 面部方位比口腔或中间方位更可靠地被分类.
- YOLO12x模型显示了更高的假负率,分类准确性对于中间方向而言是有限的.
结论:
- 深度学习模型显示了对受影响上犬的定向进行分类的潜力,YOLO11x更有效.
- 目前的表现对于口腔冲击是令人满意的,但对于口腔和中间方向需要改进.
- 未来的研究应该包含更大的数据集和3D成像技术,以提高诊断准确性和临床适用性.
