AI辅助的放射骨密度分析在检测颌骨骨Loss严重程度和模式方面的应用
计算机视觉与模式识别
2026-05-19 v1
摘要
牙周炎是一种导致颌骨骨Loss的慢性炎症性疾病，显著影响口腔健康和生活质量。准确评估骨Loss的严重程度和模式对于诊断和治疗计划至关重要。本研究提出一种新型基于AI的深度学习框架，用于自动检测和量化IOPA（牙周 periapical）放射图中的颌骨骨Loss及其模式。该方法将YOLOv8用于牙齿检测，结合Keypoint R-CNN模型识别解剖 landmarks，以实现对骨Loss严重程度的精确计算。此外，使用YOLOv8x-seg模型对骨水平和牙齿mask进行分割，通过几何分析确定骨Loss模式（水平型 vs. 角型）。在包含1000幅放射图的大型经专家标注的数据集上评估，该方法在检测骨Loss严重程度（内类相关系数最高达0.80）和骨Loss模式分类（准确率87%）方面取得高准确率。该自动化系统提供了一种快速、客观且可重复的牙周评估工具，减少了对主观人工评估的依赖。通过将AI集成到牙科放射图分析中，该框架有望提高早期诊断和个体化治疗计划的能力，从而最终提升患者护理和临床结果。
引用
@article{arxiv.2506.20522,
title = {AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns},
author = {Chathura Wimalasiri and Piumal Rathnayake and Shamod Wijerathne and Sumudu Rasnayaka and Dhanushka Leuke Bandara and Roshan Ragel and Vajira Thambawita and Isuru Nawinne},
journal= {arXiv preprint arXiv:2506.20522},
year = {2026}
}
备注
This manuscript is 17 pages with 5 tables and 12 figures. The manuscript is under review at Nature Scientific Reports