合成成像在牙科:深度学习技术和应用的叙述性回顾
Basel Khalil1, Marwa Baraka2, Sara Haghighat3
1Department of Dental Medicine, Karolinska Institute, Stockholm, Sweden; ITU/WHO/WIPO Global Initiative on Artificial Intelligence for Health, Topic Group Oral Health, Geneva, Switzerland.
Journal of dentistry
|December 3, 2025
概括
合成成像数据通过克服数据限制,为开发强大的牙科人工智能 (AI) 工具提供了解决方案. 这种方法提高了人工智能模型的概括性,并解决了诸如阶级不平衡和牙科人工智能数据稀缺等挑战.
科学领域:
- 人工智能在牙科中的应用
- 医学成像医学成像
- 数据科学是数据科学.
背景情况:
- 牙科成像的深度学习面临着由于有限的现实世界数据访问的挑战.
- 隐私问题,阶级不平衡和数据短缺阻碍了牙科人工智能发展.
- 合成数据为这些与数据相关的挑战提供了一个有希望的解决方案.
研究的目的:
- 审查合成数据在牙科成像中的使用,以解决数据限制问题.
- 探索合成牙科成像数据的技术,临床和伦理/监管方面.
- 评估合成数据在牙科人工智能发展方面的潜力.
主要方法:
- 关于合成牙图像生成研究的叙事综述.
- 在多个数据库 (PubMed,Scopus,Embase等) 进行的搜索. ) 的情况.
- 包括专注于牙科和口腔卫生中全合成图像生成的研究.
主要成果:
- 合成成像数据可以使用生成对抗网络,变异自编码器和无声扩散概率模型来生成.
- 合成数据可以减轻阶级不平衡,增加稀缺的数据集,并代表罕见的情况.
- 合成成像对牙科诊断,教育和多式联络整合具有前景.
结论:
- 合成成像数据可以克服数据稀缺和阶级不平衡,从而产生更强大的牙科AI模型.
- 挑战包括确保解剖学真实性和尽量减少文物.
- 未来的工作需要跨学科的合作,标准化的工作流程,开源工具和明确的监管指导.
