人工智能展示了口译牙科x射线的承诺

深入学习算法成功地检测牙周疾病从2 d咬翼片射线照片,根据研究提出EuroPerio10,世界领先的国会在牙周病学和牙科植体由欧洲联盟牙周病学(EFP)。

“我们的研究显示的潜力人工智能(AI)自动识别可能错过的牙周疾病,”研究作者Burak博士说的•埃斯基谢希尔Osmangazi大学,土耳其。“这可能会减少辐射暴露通过避免重复评估,防止沉默的进展牙周疾病,使早期治疗。”

先前的研究已经检查了使用人工智能检测龋齿,根骨折和顶端病变但有牙周病学领域的研究有限。本研究评估深度学习的能力,一种AI,确定牙周状态在咬翼片射线照片。

这项研究使用了434咬翼片例牙周炎患者。图像处理与执行u-net架构,一个卷积神经网络用于快速、准确地细分图像。一位经验丰富的专家医师评估使用的图像分割方法。评估包括肺泡低,周围骨质流失上牙,水平骨质流失,垂直骨质流失,叉形缺陷,微积分在上颌和下颌的牙齿。

的神经网络发现859例牙槽骨丢失,2215例水平骨质流失,340例垂直骨质流失,108叉形缺陷,牙结石508例。算法在识别缺陷的成功相比对医生的评估和报告为敏感,精度和F1的分数,灵敏度和精度的加权平均。灵敏度、精度和F1得分,1是最好的价值和0是最坏的打算。

灵敏度、精度和F1评分结果总牙槽骨丢失是1,分别为0.94和0.96。水平骨质流失的相应的值是1,0.92和0.95,分别,而AI不能确定垂直骨质流失。牙垢,灵敏度、精度和F1得分结果1.0,0.7和0.82,分别为叉形缺陷和相应的值分别为0.62,0.71和0.66,分别。

•博士说:“我们的研究表明,人工智能能够捡起许多类型的缺陷从2 d图像可以帮助诊断为牙周炎。更全面的研究需要更大的数据集来提高模型和扩展他们的成功使用3 d射线照片。”

他总结道:“这项研究提供了一个了解牙科的未来,在人工智能自动评价图像和助攻牙科专业人士早诊断和治疗疾病。”

---

---