放射数据细分作为机器学习和深度学习的工具 人工智能算法
Ali Z Syed1, Duygu Celik Ozen2, Suayip Burak Duman3
1Oral and Maxillofacial Medicine and Diagnostic Sciences, Case Western Reserve University School of Dental Medicine, 9601 Chester Avenue, Office #245C, Cleveland, OH 44106, USA.
Dental clinics of North America
|March 13, 2026
概括
在牙科中,机器学习和深度学习擅长为牙编号和病变检测等任务细分放射数据. 这些人工智能方法提高了准确性和效率,经常与人类的性能相匹配或超过.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 放射数据细分对于机器学习 (ML) 和深度学习 (DL) 在牙科中的应用至关重要.
- 了解人工智能 (AI),ML和DL概念是这个领域的基础.
研究的目的:
- 审查放射数据细分在人工智能驱动的牙科诊断中的作用.
- 突出卷积神经网络 (CNN) 在各种牙科成像模式中的功能.
主要方法:
- 对AI,ML和DL概念的审查.
- 专注于CNN驱动的任务,包括分类,检测和像素/voxel分割.
- 在全景,周周,咬翼和形束计算断层扫描 (CBCT) 成像中应用.
主要成果:
- 自动化任务,如牙编号,修复/植入物标签,下线划定和病变检测显示高性能.
- 人工智能方法经常与临床医生的准确度相匹配或超过.
- 观察到牙科工作流程过程的显著加速.
结论:
- 人工智能显示出提高牙科诊断准确性和效率的巨大潜力.
- 基本的人类监督仍然是人工智能辅助牙科工作流程的关键组成部分.
- ML和DL正在改变牙科X光学分析.
