基于照片的色彩分析在修复牙科:人工智能算法的作用
Melek Güven Bekdaş1, Tülay Turan2, Nimet Işık3
1Department of Restorative Dentistry, Burdur Mehmet Akif Ersoy University, Burdur, Turkey.
概括
深度学习模型从照片中准确估计牙颜色,帮助选择牙色调. 移动NetV2表现出高性能,显示出在恢复性牙科中临床使用的潜力.
科学领域:
- 人工智能在牙科中的应用
- 数字牙科数字牙科
- 恢复性牙科中的颜色科学
背景情况:
- 准确的牙颜色评估对于美学修复性牙科至关重要.
- 传统的阴影选择方法可能是主观和不一致的.
- 开发客观的,数字工具来匹配阴影是一个持续的需求.
研究的目的:
- 开发和评估深度学习模型,以从口外照片中估计CIELAB牙颜色坐标.
- 为了比较各种卷积神经网络 (CNN) 架构的性能.
- 评估AI模型在阴影选择中的临床适用性.
主要方法:
- 使用了来自102名参与者的1031张牙图像.
- CIELAB颜色坐标在体内使用光谱仪测量.
- 五个CNN模型 (CustomCNN,ResNet18,EfficientNetB0,DenseNet121,MobileNetV2) 被训练并进行了评估.
- 使用平均绝对误差 (MAE) 和准确性 (ΔE ≤ 2) 评估性能.
主要成果:
- 移动NetV2实现了最高的性能,精度>94% (ΔE ≤2).
- 移动NetV2,DenseNet121和ResNet18表现出与EfficientNetB0和CustomCNN相比具有可比性,优越的性能.
- 颜色和色调的估计准确度高于轻度和b*值.
- 前面的牙比后面的牙准确度更高.
结论:
- 基于人工智能的模型,特别是MobileNetV2,与用于估计牙颜色的光谱测量结果高度一致.
- 这些模型在美学修复牙科中提供了一致和实用的阴影选择的潜力.
- 人工智能有望支持临床决策和提高牙色调匹配的一致性.
