以人工智能为基础的多阶段系统用于自动角度分类的口腔内图像的恶性闭塞在正牙科
Shahab Kavousinejad1, Sara Ghazanfari2, Sara Alsadat Hosseinikhah Manshadi3
1Dentofacial Deformities Research Center, Research Institute of Dental Sciences, School of Dentistry, Shahid Beheshti University of Medical Sciences, Tehran, Iran. dr.shahab.k93@gmail.com.
Journal of imaging informatics in medicine
|January 28, 2026
概括
这项研究引入了一个深度学习管道,用于自动化的角度.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 准确的角度的闭塞的分类在牙正学中至关重要.
- 手动分类是耗时的,容易变化.
研究的目的:
- 开发和验证一个多阶段的深度学习管道,用于使用口腔内图像进行自动化的Angle的闭塞分类.
- 评估管道的准确性,速度和临床适用性.
主要方法:
- 开发了一个管道,集成了封闭侧面分类 (OSC),侧面特定的MolarBBoxNet和AngleClassifier-R50.
- 经过8909张口腔内闭塞图像的训练,经过383张未见图像的验证.
- 为了解释性,使用了Grad-CAM可视化.
主要成果:
- 完美的闭塞侧面分类 (准确率为1.00) 和高摩尔分类准确率 (97.41%的内部,94.3%的外部).
- 对于I类 (99.0%的灵敏度,98.9%的特异性),II类 (88.2%的灵敏度,98.7%的特异性) 和III类 (97.2%的灵敏度,93.4%的特异性) 的高精度.
- 每张图像的处理时间为~0.11s,比手动注释要快得多.
结论:
- 深度学习管道准确有效地从口内图像中对Angle的闭塞进行分类.
- 该系统展示了通用诊所,远程正牙科,大规模查和减少诊断变异性的潜力.
- 未来的工作可能涉及多式联通输入,用于全面的正统诊断.


