使用深度学习从全景射线图中预测垂直脑角的可行性

科学领域:

• 矯正牙科 矯正牙科是一種矯正牙科.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 早期识别垂直骨差异对于正牙诊断和治疗规划至关重要.
• 全景射线图 (OPG) 比横向头脑计射线图 (LCR) 更常见.

研究的目的:

• 评估人工智能 (AI) 预测使用OPGs的垂直骨角度的潜力.
• 为了比较各种深度学习模型在估计这些角度的性能.

主要方法:

• 追溯收集了715名患者的LCR和OPG.
• 训练多个卷积神经网络 (CNN) 架构 (EfficientNet-B3,DenseNet,ResNet,VGG) 和整体平均,以预测来自OPG的Frankfort-mandibular平面角度 (FMA),角形角度和Björk总和.
• 使用平均绝对误差 (MAE),确定系数 (R2) 和类内相关系数 (ICC) 的性能评估.

主要成果:

• 集合平均显示出最高的预测准确度,MAE值为FMA的2.53°±0.08,角的3.16°±0.10,以及Björk的总和的3.04°±0.09.
• 在不同的CNN架构中观察到高度一致 (P<0.001).
• 梯度加权类激活映射 (Grad-CAM) 表明,预测的重点是角区域,状区域和下骨.

结论:

• 深度学习显示了从OPG估计垂直骨测量的潜力.
• 目前的预测错误表明,人工智能还不能取代脑力测量分析.
• 未来的改进可能涉及更大的数据集,几何意识模型和外部验证,以提高预测准确性.