用人工智能支持的机器和深度学习模型从全景射线图中预测评估下第三柱喷发状态

科学领域:

• 牙科 牙科是指牙科的专业.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 由于相互矛盾的指导方针和依赖外科医生的经验,预防性第三牙提取的决定具有挑战性.
• 预测受影响的第三牙的喷发状态对于有效的临床管理至关重要.

研究的目的:

• 评估基于深度学习的人工智能 (AI),用于预测受影响的第三牙的喷发状态.
• 开发最终牙位置的预测模型,以协助早期临床决策.

主要方法:

• 一项回顾性研究使用了1102张全景放射图,并对喷发状态进行了注释 (初始与最终).
• 两个深度学习架构 (InceptionV3,ResNet50) 被训练并使用超参数调整,模型评估和预处理评估进行评估.
• 性能指标包括准确性,回忆力,精度和F1分数. 经典的机器学习算法也被应用.

主要成果:

• 具有预处理的ResNet50模型实现了最高的性能 (F1得分:0.829).
• 对于最终爆发病例 (F1评分:0.829) 的模型性能比初始病例 (F1评分:0.705) 更好.
• 临床预测准确度为全喷发的83%,冲击的75%,部分冲击的准确度较低.

结论:

• 人工智能,特别是像ResNet50这样的深度学习模型,显示出支持早期预测第三口喷发状态的潜力.
• 这些人工智能工具可以增强对受影响的第三关节的临床决策.
• 以更大的数据集和优化进行进一步开发,可能会为常规临床应用带来更高的准确性.