AI-Dentify:用于咬翼X光片邻面龋检测的深度学习——HUNT4口腔健康研究
计算机视觉与模式识别
2024-03-25 v3 人工智能
摘要
背景:龋齿诊断需要人工检查患者的诊断性咬翼片,随后对识别出的可能存在病变的牙齿进行视诊与探诊。然而人工智能尤其是深度学习,有望通过提供快速且信息丰富的咬翼片分析来辅助诊断。方法:来自 HUNT4 口腔健康研究的 13,887 张咬翼片由六位不同专家分别标注,并用于训练三种不同的目标检测深度学习架构:RetinaNet (ResNet50)、YOLOv5 (M 尺寸) 与 EfficientDet (D0 与 D1 尺寸)。由同一六位牙医共同标注的 197 张图像的共识数据集用于评估。采用五折交叉验证方案评估 AI 模型的性能。结果:相较于牙科临床医生,所训练模型的平均精度与 F1 分数有所提升,假阴性率下降。与牙科临床医生相比,YOLOv5 模型展现出最大改进,其平均精度均值为 0.647,平均 F1 分数均值为 0.548,平均假阴性率为 0.149;而各指标上最佳的标注者分别报告为 0.299、0.495 与 0.164。结论:深度学习模型已展现出辅助牙科专业人员诊断龋齿的潜力。然而,由于咬翼片固有的伪影,该任务仍具挑战性。
引用
@article{arxiv.2310.00354,
title = {AI-Dentify: Deep learning for proximal caries detection on bitewing x-ray -- HUNT4 Oral Health Study},
author = {Javier Pérez de Frutos and Ragnhild Holden Helland and Shreya Desai and Line Cathrine Nymoen and Thomas Langø and Theodor Remman and Abhijit Sen},
journal= {arXiv preprint arXiv:2310.00354},
year = {2024}
}
备注
24 pages, 5 figure, 7 tables