基于深度学习的多阶段系统用于自动牙检测和分割在正统牙科摄影
Ashkan Tizno1, Abolfazl Karimiyan Abdar2, Ali Alimardani3
1School of Dentistry, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
Journal of imaging informatics in medicine
|February 18, 2026
概括
这项研究引入了一种人工智能系统,用于自动检测牙,并对牙图像进行细分,大大提高了比手工方法的准确性和效率. 开发的系统实现了高性能,使得牙科诊断和记录更快,更可靠.
科学领域:
- 人工智能在牙科中的应用
- 医学图像分析 医学图像分析
- ортодонтическая技术 ортодонтическая技术 ортодонтическая 技术 在牙上
背景情况:
- 手动绘制牙图是耗时的,容易出错,并且不一致.
- 不准确的手动细分可能会损害牙科诊断和治疗计划.
- 需要自动化解决方案来提高牙科成像的效率和准确性.
研究的目的:
- 开发和评估一个自动化的人工智能系统,用于牙检测和分段从正牙摄影板.
- 通过人工智能提高牙科的临床结果和工作流程效率.
- 为大规模注释和数字图表提供可靠的工具.
主要方法:
- 一个多阶段的人工智能系统,将YOLOv11用于本地化和检测,与Segment Anything Model (SAM) 进行细分.
- 在2000张复合牙科图像的数据集上进行培训和验证,并进行外部验证.
- 对每个检测到的牙产生无需额外培训的零射击细分口罩.
主要成果:
- 在门分类 (99.5%的mAP@0.5) 和牙检测 (mAP@0.5的0.943为大,0.918为下) 中的高精度.
- 94%的生成细分口罩符合临床可用性标准,没有修正.
- 该系统平均在2.2秒内处理每张图像,证明了其实际可用性.
结论:
- 集成的YOLO和SAM系统提供了一个快速,准确和完全自动化的解决方案,用于牙分析在正牙摄影.
- 这种人工智能驱动的方法支持高效的大规模注释,数字图表和人工智能辅助诊断.
- 该系统有可能使正义牙科和普通牙科实践显著受益.
