基于人工智能的Cameriere欧洲牙龄估算方法在解剖学测量精度方面的初步评估

《International Journal of Legal Medicine》：First-stage assessment of AI-based anatomical measurement accuracy for the Cameriere European dental age estimation method

　　

摘要

研究目的

本研究是更为广泛的基于人工智能的Cameriere欧洲牙龄估算工作流程中的首个方法学阶段。该阶段的目的是评估基于YOLOv8的深度学习模型在自动识别Cameriere欧洲方法所需的解剖学标志点及根尖结构方面的性能。该系统并非直接估算牙龄，而是旨在自动化处理后续基于Cameriere欧洲方法的牙龄计算所需的测量数据。

研究方法

这项回顾性的一阶段验证研究包含了4,050张5至13岁男孩和女孩的全景X光片。研究人员开发了两个基于YOLOv8的模型，用以自动化完成Cameriere欧洲方法中的解剖学测量任务：一个是YOLOv8x-pose模型，用于检测开口型根尖的标志点并定位牙齿长度参考点；另一个是YOLOv8x-seg模型，用于闭合型根尖的分割。由于模型本身存在特定的解剖学适用标准，其中3,796张图像被用于pose模型，2,971张图像被用于分割模型。图像标注是依据标准化协议使用CranioCatch软件完成的。模型输出结果会与手动标注结果进行对比，以此评估标志点检测、测量定位以及根尖分割的性能。

研究结果

在YOLOv8x-pose模型中，mAP_0.5值为0.963，mAP_0.5:0.95值为0.842；召回率为0.928，精确率为0.918。误差指标方面，MAE值为0.0032，RMSE值为0.0045，SMAPE值为2.09%，决定系数R2为0.9992。

研究结论

基于YOLOv8的姿态识别和分割模型在自动化提取Cameriere欧洲牙龄估算方法所需的解剖学测量数据方面具备技术可行性。由于在这项一阶段分析中并未实际计算牙龄，因此这些研究结果应被视为测量层面的验证，而非完整的牙龄估算准确度指标。今后还需要进一步验证，将人工智能生成的测量数据纳入Cameriere欧洲公式中，并将人工智能辅助得到的牙龄估算结果与基于Cameriere方法的手动评估结果以及实际年龄进行对比。