人工智能与内学相遇 精确诊断的深度学习方法
YuanYuan Chen1, Zhi Jian Su1, Rui Zhang1
1Department of endodontics, Changsha Stomatological Hospital, Stomatological Hospital Affiliated to Hunan University of Chinese Medicine, Hunan, 410000, China.
Scientific reports
|November 29, 2025
概括
一个新的修改后的Swin变压器 (MSViT) 模型使用先进的AI准确地分类内牙疾病. 这种自动化方法显著提高了这些常见的牙科疾病的诊断准确性.
科学领域:
- 牙科和人工智能的人工智能
- 医学成像分析 医学成像分析
- 医疗保健中的机器学习
背景情况:
- 牙周内脏病影响全球52%以上的人口,患病率越来越高.
- 对于有效的治疗计划来说,准确地对内牙科疾病进行分类至关重要.
- 传统的诊断方法依赖于放射和专家分析,需要更高效,更准确的自动化替代方案.
研究的目的:
- 开发和评估一个自动化,数据驱动的模型,用于精确的内牙疾病的分类.
- 为了提高诊断准确性和在内牙治疗规划中的效率.
- 引入修改后的Swin变压器 (MSViT) 架构,用于层次关注和上下文学习.
主要方法:
- 实现了一个修改后的旋转变压器 (MSViT),具有层次关注机制.
- 使用混乱粒子群优化 (CPSO) 和顺序二次编程 (SQP) 进行超参数和特征选择.
- 培训和验证改进的根管数据集,包括七种类型的内牙障碍.
主要成果:
- 拟议的MSViT模型实现了97.72%的平均分类准确度.
- 该模型显示平均精度为0.9749和平均平方误差为8.2 × 10−4.4.
- 在学习率为0.0001和计算时间为867.59秒的情况下,实现了优化性能.
结论:
- 开发的MSViT架构有效地学习了细粒度的解剖学和病理学特征,以区分内牙疾病.
- 与传统方法和基线模型相比,自动化方法在准确性和效率方面提供了显著的改进.
- 这种由人工智能驱动的框架有望促进牙周内科的临床决策.
