使用深度学习模型从口腔内图像中自动分类乳损:一个诊断研究
1Department of Preventive Dental Sciences, College of Dentistry, King Faisal University, Al Ahsa 31982, Saudi Arabia.
Journal of clinical medicine
|December 30, 2025
概括
新的人工智能模型可以从牙图像中准确地检测牙质,从而改善早期诊断. 这些可解释的深度学习工具提供了高精度,有助于预防性牙科和减少诊断主观性.
科学领域:
- 人工智能在牙科中的应用
- 医学图像分析 医学图像分析
- 计算病理学计算病理学
背景情况:
- 牙损是一个广泛存在的口腔健康问题.
- 对于有效的预防性牙科来说,早期发现牙质损伤至关重要.
- 传统的虫检测方法存在主观性和可变性问题.
研究的目的:
- 开发和评估两种可解释的深度学习模型,用于自动化牙下的分类.
- 从口腔内图像来分类早期的牙损伤,晚期的牙损伤和没有牙损伤.
- 为了提高诊断的客观性和准确性在早期检测牙腐烂.
主要方法:
- 利用2000张口内图像的数据集进行培训,验证和测试.
- 开发了可解释的DentalNet (定制的CNN) 和可解释的ResNet50-SE (微调的ResNet50).
- 综合梯度加权类激活映射 (Grad-CAM) 为了模型的可解释性.
主要成果:
- 可解释的ResNet50-SE实现了98.30%的准确率 (MCC=0.975);可解释的DentalNet实现了96.66%的准确率 (MCC=0.95).
- 麦克纳马的测试显示没有显著的预测偏差 (p > 0.05).
- 内部验证证实了稳定可靠的模型性能.
结论:
- 开发的可解释的人工智能模型显示了高的诊断准确性,用于牙下的分类.
- 这些模型有望改善早期检测牙损伤.
- 为临床应用,建议对多中心数据集进行进一步的外部验证.
