基于YOLOv8的深度学习模型的开发,用于检测和细分牙科修复和牙科应用在混合牙的全景放射图中
Alican Kuran1, Ibrahim Tevfik Gulsen2, Fatma Nur Kızılay3
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Kocaeli University, Kocaeli, Turkey. alican.kuran@outlook.com.
British dental journal
|December 5, 2025
概括
使用YOLOv8的深度学习 (DL) 模型有效地检测和细分儿科全景放射图中的六种类型的牙科修复. 这种人工智能工具显示出高精度,有助于诊断混合牙患者.
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:
- 全景放射图对于儿科牙科评估至关重要.
- 识别牙科修复有助于治疗规划和监测.
- 自动化这个过程可以提高效率和准确性.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于检测和细分六种类型的牙科修复.
- 将这个模型应用于患有混合牙的儿科患者的全景放射.
主要方法:
- 使用了一组数据集,包括2033张标记的全景放射图.
- 在500个时代中训练了一台YOLOv8多级DL模型.
- 使用灵敏度,精度和F1分数来评估模型性能.
主要成果:
- 获得了0.89的整体F1分数,0.85的灵敏度和0.93.9的精度.
- 牙填充剂 (F1=0.97) 和不钢皇冠 (F1=0.94) 的最高性能.
- 牙支架的性能最低 (F1=0.46).牙支架的性能最低.
结论:
- 基于YOLOv8的DL模型在检测和细分牙科修复方面非常成功.
- 这项技术对分析混合牙科患者的全景放射图有前途.
