基于深度学习的方法来估计泰国人口上切口的周周放射图的年龄
Praewpannarai Khruasarn1, Kasemsit Teeyapan2, Sangsom Prapayasatok1
1Division of Oral Radiology, Department of Oral Biology and Diagnostic Sciences, Faculty of Dentistry, Chiang Mai University, Chiang Mai, Thailand.
Imaging science in dentistry
|January 15, 2026
概括
这项研究开发了一种深度学习模型,使用周周放射和肉皮与牙面积比 (PTR) 来估计年龄. 该模型的平均绝对误差为6.14年,显示出牙年龄估计的前景.
科学领域:
- 法医牙科 法医牙科
- 放射性分析 放射性分析
- 医疗保健中的人工智能
背景情况:
- 准确的年龄估计在法医和临床牙科中至关重要.
- 牙年龄估计的传统方法可能耗时且主观.
- 深度学习为牙科放射图的自动化和客观分析提供了潜力.
研究的目的:
- 开发和评估一种深度学习模型,用于从周周放射图进行年龄估计.
- 为了将纸与牙面积比 (PTR) 纳入年龄估计模型.
- 评估模型在泰国人群中的表现,使用上部中央切口.
主要方法:
- 利用了3,108名泰国人 (年龄在10-84岁之间) 的2,041张周周放射图.
- 采用DeepLabv3+用于根和根管细分和ResNet-50用于年龄估计.
- 综合分段图像和PTR值用于年龄预测,使用平均绝对误差 (MAE) 进行验证.
主要成果:
- 细分模型实现了81.85%的工会 (mIoU) 的平均交叉点.
- 年龄估计模型 (ResNet-50) 实现了6.14年的总体MAE.
- 在年轻年龄组中,MAE最低 (3.74岁为10-19岁),并且随着年龄的增长而增加.
结论:
- 深度学习模型与PTR测量相结合,为牙年龄估计提供了可行的方法.
- 这种方法显示了使用单个牙的X射线图来准确评估年龄的潜力.
- 这些发现支持在法医和临床牙科年龄确定中使用AI.
