检测牙病和AI牙图像分析

牙医学家常使用全景牙射线学,用单一图像捕捉全口,诊断牙病人工检验这些复杂图像耗时费力韩国高级理工学院Sangyeon Lee协同InVisionLab的Dongyun Kim博士Hogul Jeong和Jaehye除牙异常外,从这些图像获取的辐射学发现可用于诊断系统性疾病。

人工智能广泛用于牙科诊断正常和异常结构并诊断从临床例程收集的多部医学图像中采集的疾病全景口射线常用单一图像诊断牙病并计划后续治疗图片复杂 人工检验耗时费力除牙类异常外,从这些图像中获取的放射学发现可用于诊断系统性疾病,如分辨分辨和超分辨类固醇(异常低或高水平对血液中的钙水平有影响)和骨质疏松症(骨质疏松症)。因时间有限,牙科医生可能只专注于有症状的牙类,因此过滤健康图像的能力有助于诊断和省时

韩国高级科技学院生物脑工程系博士候选人Sangyeon Lee与InVisionLab的Dongyun Kim、Hogul Jeong博士和Jaehye

AI牙镜分析
研究者解释前研究如何在牙医学中应用AI并成功检测定向口服疾病不过,它们只能瞄准少数异常信号或疾病模型使用卷积神经网络分类图像并检测对象但他们没有利用全景牙射线学关键利益,因为它将整口封装成单一图像包括上下巴、个人牙类和周围组织与结构此外,过滤健康图像会减少需要人工检验的图像数并减轻牙科医师的负担

Lee和他的合作者选择17个细度牙异常 从全景牙图片中检测使用现代AI计算机视觉技术开发模型,可用于临床实践检测异常大量高质量数据集对机器学习至关重要,因此研究队从30个本地牙疗所收集22 999全景牙图片,从2020年7月至2021年7月持续一年数据集中的每一图像均由牙科放射学专家人工检查并贴上标签,该专家注意到图像中存在的任何重要特征或异常

这些主要的牙异常会影响病人口腔健康及其生活质量

牙科异常
研究人员描述这些主要的牙异常会如何影响病人口腔健康及其生活质量置之不理可产生严重后果,特别是当它们与系统性疾病相关联时。早期检测可预防严重结果并为其他系统性疾病提供标志17个异常点根据其临床特征和位置划分为四类:恶意损伤、计算学、牙区异常点和周边地区异常点

形形色色分解或牙口洞是牙科最常见问题它们的预防和早期诊断至关重要,因为它们若被忽视可引起更严重的问题。团队分四组精细诊断,以利及早检测,防止进退和牙组织退化

Calcification描述加积和口香糖全景牙线报上很少出现它,但检测对防止任何进一步进展至关重要

牙类异常区包括牙病特征和异常牙型可引起症状,包括出血、疼痛和大通病研究者选择包括六大牙异常对牙健康至关重要外部根吸附、受撞击牙、近似放射性(辐射变换常因炎症)、残留根和超数牙还可以视之为诊断标志和解剖因素,为病人未来牙工提供参考举例说,全景牙图片可用来评价提取前神经损伤风险

位于牙区以外周边地区的异常点很少与口腔健康相关联。表示发炎过程并可作为诊断其他相关疾病的标志举个例子,薄膜薄膜厚度可指向条件,如支持牙的骨骼中发生的动脉周期性炎(牙下组织皮炎)和动脉骨损

AI可用以减轻牙科医生的负担,减少需要人工检验的图像数

检测异常
检测过程划分为四步从牙科诊所收集图像为DICOM格式DICOM表示医学数字成像和通信,它是一个国际公认的标准格式,用于查看、存储、检索和分享医学图像第一阶段DISC转换器包括将这些图像转换成PNG格式下位为疾病检测阶段异常点使用训练快进区域神经网络模型物体检测模型检测图像框化区域,那里极有可能出现异常位置验证程序级需要过滤非预设牙类区域内的任何框最后一个步骤是多边形形状器阶段,即预建库二号用于缩小异常符号区间从盒形形到多边形这使牙科医师能够获得高清晰度信息,说明位置和异常类型,以及显示异常特征的确切区域

培训、测试和评价
Lee和协作者将22 999全景牙图片划分为培训、验证和测试数据集2020年7月至2021年3月图像用于训练深学习模型识别17异常并验证检测剩余数据集被用作测试集评价模型

group使用交叉连接值评价模型在正确检测损耗方面的性能IOU评价度量对象检测器精度在本案中,牙科射线学专家识别区与模型识别框作比较重迭范围计算出两个框的重迭区划分为合并区如果两种形状完全重叠IO分数为1研究者确认IO值0.5或以上表示正确检测到的预测盒

检测模型类性性能与牙科射线学专家提供并用精度、敏感度和特性测量标签比较精度和灵敏度分数因异常类型而异,分数超出或匹配前题研究的分数模型显示非常高特性,大多数类超过95%,显示它能成功检测异常并过滤正常健康图像高清晰度表示人工智能模型可减少牙医考试负担,因为它成功过滤健康图像并允许临床医师关注那些有潜在异常的图像

训练深学习模型
研究者讨论使用AI技术时数据质质和量是如何关键训练深学习模型检测17类异常创建系统收集全景牙图片 直接从牙诊所一年, 和牙射线学专家人工标注高质量数据集仍在积累中,可用于未来研究

高性能工具成功检测异常并过滤健康图像高灵敏度(约0.999)验证它适合实际临床实践并显示如何使用AI来减轻牙科医生的负担,减少需要人工检验的图像数深入学习模型覆盖大片全景射线学,通过早期诊断和预防疾病帮助牙医提高患者生活质量