通过使用使用深度学习方法开发的人工智能算法在全景放射图上用形光束计算机断层扫描识别下第二牙中的C形道检测准确性的评估

科学领域:

• 牙科 牙科是指牙科的专业.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 在下二中,C形根管形态呈现出诊断上的挑战.
• 准确的检测对于成功的内牙治疗结果至关重要.

研究的目的:

• 评估各种深度卷积神经网络 (DCNN) 在检测C形通道形成中的有效性.
• 评估DCNN在全景放射图上的性能,以识别这种特定的牙解剖学.

主要方法:

• 从592名患者中利用了844张全景射线图和形光束计算机断层扫描 (CBCT) 扫描.
• 在预处理和未预处理的图像上训练并测试了11个DCNN模型,分为"冠根"和"根".
• 员工多数投票融合DCNN预测,以提高检测准确度.

主要成果:

• 使用合并DCNN模型,冠根数据集的最高准确率为90.2%,根数据集的最高准确率为89.7%.
• 个别DCNN模型的准确性很高,最好的非融合结果在根数据集上达到89.2%.

结论:

• 结合深度学习架构在检测C型通道方面表现出很高的性能.
• 拟议的人工智能驱动的方法显示出有很大的潜力,可以帮助临床医生在内牙治疗规划和成功.