基于深度学习的断裂牙检测在封闭式放射图中
Ahmed Nusari1, Esra Oncu2, Emin Argun Oral1
1Department of Electrical and Electronics Engineering, Faculty of Engineering, Ataturk University, Erzurum, Yakutiye, 25240, Turkey.
BMC oral health
|December 19, 2025
概括
这项研究引入了一种深度学习 (DL) 方法,用于准确地检测使用闭塞放射学检测破碎的牙. 人工智能方法显著提高了诊断准确度,为牙医提供了可靠的工具.
科学领域:
- 牙科诊断 牙科诊断 牙科诊断
- 人工智能在医学中的应用
- 医学图像分析 医学图像分析
背景情况:
- 在牙科中,准确和快速诊断破碎的牙至关重要.
- 深度学习 (DL) 技术在提高诊断准确性和效率方面表现有前途.
研究的目的:
- 开发和评估一个基于DL的框架,用于自动检测和分类使用闭口放射 (OR) 的破碎的牙.
- 评估各种卷积神经网络 (CNN) 架构和多数投票融合策略的性能.
主要方法:
- 对牙11和21的200个手术室的数据集进行了策划.
- 使用YOLOv9框架自动检测牙.
- 使用VGG19,EfficientNetB0,InceptionResNetV2和InceptionV3网络对切割的牙图像进行了分类.
- 使用多数投票方法将分类结果合并.
主要成果:
- 在YOLOv9探测器实现了高精度 (mAP50:99.5%).
- 单个CNN的准确率在84.67%至87.94%之间.
- 多数投票的融合提高了分类准确度,达到91.94%.
结论:
- 拟议的DL方法有效地从OR图像中检测到破碎的牙.
- 这一框架开创了人工智能在牙科诊断中的整合,增强了临床决策.
更多相关视频
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
1.3K
07:42Quasistatic Mechanical Testing for Computer-Aided Design and Manufacturing Occlusal Veneers Cemented to Milled Dentin Analog Material
Published on: December 20, 2024
690
