通过基于深度学习的对象探测器,用咬翅的X线图检测初级牙的脏
Caries research
|December 18, 2025
概括
人工智能,特别是DINO和YOLOv7算法,在儿童牙损伤的检测和分期方面表现有前途.
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:
- 自动化虫检测有助于优先治疗儿童.
- 人工智能算法可以提高病变的诊断准确度.
研究的目的:
- 开发使用对象检测的AI算法,以检测和分期虫在初级上.
- 使用咬翼放射图用于AI模型培训和评估.
主要方法:
- 训练了5个深度学习对象检测算法在1023个初级骨咬翼放射图上.
- 对四个脏病严重程度阶段的X射线图进行了注释.
- 评估模型使用灵敏度,特异性,准确性和加权卡帕分数跨不同损伤值.
主要成果:
- 迪诺模型实现了最高的对应性 (kappa=0.513) 对于的分期.
- 在检测所有病 (0.509) 和需要治疗的牙病 (0.659) 方面,DINO表现出高灵敏度.
- YOLOv7表现出色的性能,其特异性>0.98,准确性>0.91.
结论:
- DINO和YOLOv7算法在咬翼放射图上有效检测初级牙的.
- 这些人工智能工具有潜在的临床应用,可以帮助牙医在日常实践中.


