基于Web的AI应用程序,用于增强牙科疾病诊断,使用先进的物体检测,与基于变压器的注意力机制集成
Hossein Sadr1,2, Mojdeh Nazari3,4, Mahsa Koochaki5
1Neuroscience Research Center, Trauma Institute, Guilan University of Medical Sciences, Rasht, Iran.
Oral radiology
|January 13, 2026
概括
这项研究介绍了一个由人工智能驱动的网络应用程序,用于从X射线中自动检测牙科疾病,提高诊断准确性和效率. YOLOv11-TAM模型提高了早期检测,帮助临床医生,并可能彻底改变牙科护理.
科学领域:
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
- 牙科诊断 牙科诊断 牙科诊断
背景情况:
- 准确的牙科疾病诊断至关重要,但传统的全景X射线分析是耗时的,容易出现人为错误.
- 自动化牙科诊断可以改善治疗结果和患者护理.
- 提出了一个新的基于Web的AI应用程序来应对这些挑战.
研究的目的:
- 开发和评估基于网络的AI应用程序,用于从全景X射线图像自动检测和诊断牙科疾病.
- 为了利用YOLOv11-TAM模型提高特征提取和定位准确度.
- 提高牙科诊断的效率和可访问性.
主要方法:
- 该系统使用了用户友好的界面,PostgreSQL数据库和YOLOv11-TAM AI引擎.
- 人工智能模型在DENTEX数据集 (705张注释的全景X射线) 上进行了训练和验证.
- 在YOLOv11-TAM的架构创新包括C3k2块,SPPF层和基于变压器的注意力机制.
主要成果:
- 定制的YOLOv11-TAM模型显示,与YOLOv11.11相比,对周周病变的定位精度提高了~15%,定位精度提高了>12%.
- 实现了高特异性 (0.92) 和更高的检测深层虫和周周病变的病变.
- 可用性研究报告了高用户满意度 (平均>8),表明直观的设计和无的临床集成.
结论:
- 人工智能应用程序为牙科诊断提供了一种变革性的方法,提高了准确性,效率和可访问性.
- 通过减少放射科医生的工作量并使早期疾病检测成为可能,它可以彻底改变牙科医疗保健.
- 该解决方案特别有望改善服务不足地区的牙科护理.
