将数字数据与基于人工智能的图像处理技术集成,以提高在全景射线图中检测牙的诊断准确度

科学领域:

• 牙科 牙科是指牙科的专业.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 牙损是一种普遍的口腔健康问题,由酸性条件下的脱矿化引起.
• 早期诊断至关重要,以防止广泛的组织损伤,系统性问题和昂贵的治疗.
• 传统的放射学解释是主观和不一致的.

研究的目的:

• 评估图像处理和人工智能的有效性,用于在全景放射图上自动检测和分类牙.
• 强调数字图像数据分析,以提高诊断准确度.

主要方法:

• 分析了405张全景放射图,并将其分为近距离,闭塞和二次.
• 进行了图像细分和数值特征提取 (亮度,对比度,度,直方形参数).
• 评估了各种机器学习算法对分类性能.

主要成果:

• 决策树算法实现了最高的分类精度 (0.988),超过了其他模型.
• 随机森林也表现出强的表现,特别是在有限的数据.
• 高斯的天真贝叶斯,KNN和RBFNN表现出较低的有效性.

结论:

• 将数值图像特征与人工智能模型 (尤其是决策树) 整合起来,可以获得高诊断准确度和临床解释性.
• 对全景射线图的AI辅助分析可以提高诊断可靠性并减少主观性.
• 建议进行更多的多中心研究,使用多种数据集来验证可通用性.