基于深度学习的对周边放射图像质量的评估
Xiuting Chi1, Mingchao Wang2, Yue Gao1
1Department of Radiology, Qingdao Stomatological Hospital Affiliated to Qingdao University, Qingdao, 26001, Shandong, China.
Scientific reports
|January 12, 2026
概括
这项研究引入了一个人工智能系统,用于自动化牙科X射线 (periapical射线) 质量评估,提高准确性并减少患者在重新拍摄时的辐射暴露.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 深度学习用于质量评估.
背景情况:
- 手动评估周围放射 (PAs) 是主观和低效的.
- 目前的方法导致诊断不确定性和增加患者的辐射.
- 需要在牙科成像中进行自动化,客观的质量控制.
研究的目的:
- 开发一个自动化的深度学习系统,用于全面的PA质量评估.
- 将牙的位置分类并检测出常见的图像质量缺陷.
- 提高牙科诊所的诊断准确度和工作流程效率.
主要方法:
- 使用了3594个PA的回顾性数据集.
- 训练有素的ResNet50模型用于牙位置分类和缺陷检测.
- 雇佣数据增量和过量抽样,以解决阶级不平衡问题.
主要成果:
- 在各种评估中达到高性能,AUC值高达1000.
- 在识别牙位置和质量缺陷方面表现出卓越的准确性.
- AUCs:0.997 (牙位置),0.996 (垂直角度),1.000 (水平角度),1.000 (冠盖),0.994 (圆顶覆盖),0.999 (形切割),0.924 (划伤). 在此情况下,AUCs是指牙的位置,0.996 (垂直角度),1.000 (水平角度),1.000 (冠盖),0.994 (圆顶覆盖),0.999 (形切割),0.924 (划伤).
结论:
- 该ResNet50算法有效地自动化了PA质量评估.
- 人工智能工具显示了临床整合的潜力,以改善诊断和减少重试.
- 在临床部署之前,需要对多中心数据集进行进一步验证.
