在CBCT上使用人工智能检测上第一牙的MB2通道:系统审查和元分析
Mahmood Dashti1, Farshad Khosraviani2, Niloofar Ghadimi3
1Dentofacial Deformities Research Centre, Research Institute of Dental Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran. Dashti.mahmood72@gmail.com.
BMC oral health
|December 1, 2025
概括
人工智能 (AI) 显示了使用形束计算断层扫描 (CBCT) 检测尾第一牙中具有挑战性的第二个 mesiobuccal (MB2) 通道的希望. 与传统的机器学习方法相比,深度学习模型显示出更高的诊断准确性.
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:
- 在上第一中检测第二个 mesiobuccal (MB2) 通道是困难的,即使是用形束计算断层扫描 (CBCT).
- 人工智能 (AI) 和深度学习为提高MB2通道检测精度提供了潜在的解决方案.
研究的目的:
- 系统地审查并对AI在CBCT图像上识别MB2通道的诊断准确度进行元分析.
- 评估人工智能算法的性能,以检测内牙的解剖变异.
主要方法:
- 在Prisma指导下对五个数据库进行系统搜索,发现了相关的研究.
- 四项研究符合纳入标准,在CBCT上应用AI进行MB2检测,并报告诊断结果.
- 聚合灵敏度,特异性和准确性是使用随机效应模型计算的.
主要成果:
- 人工智能模型实现了0.82的聚合灵敏度和0.74.7的特异性.
- 深度学习模型在灵敏度 (0.87对0.80) 和特异性 (0.90对0.68) 中明显优于传统机器学习.
- 包含的研究中的异质性和小样本大小表明了概括性的局限性.
结论:
- 人工智能,特别是深度学习,有可能在CBCT扫描上增强MB2通道检测.
- 进一步的标准化研究和更大的多中心研究是验证AI工具所必需的.
- 人工智能有可能作为一种临床辅助来改善内牙治疗中的诊断一致性.
