利用快速基于区域的卷积神经网络在全景牙科X光片中检测牙科修复体及假体装置

《Dentomaxillofacial Radiology》：Detection of Dental Restorations and Prosthesis Devices in Panoramic Dental X-ray Using Fast Region-Based Convolutional Neural Network

人工智能框架在全景X光片中检测牙科修复体与假体的研究

　　

摘要

研究目的

本研究旨在开发并评估一个人工智能（AI）框架，用于在全景X光片（PRs）上检测牙齿修复体和假体装置。检测这些元素对于提升自动化报告质量、提高牙齿评估的准确性以及减少人工检查时间至关重要。

方法

使用186张全景X光片作为训练集，42张作为验证集，训练了一个基于快速区域卷积神经网络（Fast R-CNN）的模型。该模型在包含1133张全景X光片的外部测试数据集上进行了性能评估。研究重点检测了七种牙齿修复体和假体装置：口腔矫治器、桥接体、根管填充物、牙冠填充物、种植体、保持器和单颗牙冠。通过计算每种元素的精确度（Precision）、召回率（Recall）和F1分数（F1-score）来衡量检测准确性。

结果

该AI框架在所有类别中均表现出色，具体指标如下：口腔矫治器（0.79、0.96、0.87），桥接体（0.91、0.86、0.89），根管填充物（0.98、0.98、0.98），牙冠填充物（0.95、0.95、0.95），种植体（0.99、0.97、0.98），保持器（0.98、0.98、0.98）以及单颗牙冠（0.94、0.96、0.95）。该系统处理一张全景图像所需时间不到30秒。

结论

该AI框架在检测全景X光片上的牙齿假体和其他牙齿修复体方面表现出较高的召回率和效率。其应用能够显著简化牙齿诊断和自动化报告流程，从而提高牙齿评估的速度和准确性。

知识进展

本研究展示了AI在自动化检测全景X光片上多种牙齿修复体和假体方面的潜力，为牙科专业人士提供了改进诊断工作流程的宝贵工具。