Feb, 2024

使用配对数据进行口腔内 X 射线牙齿异常检测的深度学习算法的统计验证

PDF
TL;DR该研究描述了一个用于检测口腔放射影像中的牙科异常（例如龋齿、根尖病变、根管治疗缺陷、冠冕修复边缘缺陷、牙周骨质流失和牙石）的深度学习算法的临床验证研究设置、统计分析和结果，比较了使用该算法与不使用算法的牙科医生的检测性能，并通过统计学方法证明了结果的显著性提升。
deep learning algorithmdental anomaliesintraoral radiographic imagesdentist performancestatistical analysis
发现论文，激发创造
  • AI-Dentify: 位翼射线的近邻齿龈袋检测的深度学习 - HUNT4 口腔健康研究

    利用深度学习模型分析牙位 X 光片在牙齿龋齿诊断中的潜在作用和挑战。

    Sep, 2023

  • 使用大型语言模型和实例分割技术的全景放射状牙齿状况半监督分类：现实世界数据集评估

    采用半监督学习框架，结合大型语言模型和自编码器，通过对口腔放射病例报告进行注释和无标签数据利用，成功实现了牙科全景放射病例的自动化分类，结果表明该方法在鉴定牙齿相关病症上具有与初级专家相当的准确性。

    Jun, 2024

  • 基于深度学习的牙齿龋齿位翼射线照片检测

    开发了一种计算机辅助诊断系统 (CAD)，可通过作为牙医的第二意见，显著提高检测牙齿龋齿的能力；该系统由深度完全卷积神经网络 (FCNN) 组成，可对近 3000 个全口 X 光片进行自动诊断。与三名牙医的平均表现相比，我们的系统在召回和 F1-Score 方面的表现显著更好。

    Nov, 2017

  • 基于深度学习自动化定位下颌管在颞骨 CBCT 数据集上的可重复性分析

    本研究采用 165 例异质性锥束 CT 扫描进行了对 DLS 重现性的评估，结果表明 DLS 具有良好的质量和数量的重现性，适用于术前放射学下颌管的鉴定，是一种非常可行的方法。

    Apr, 2023

  • 用于鉴定转移性乳腺癌的深度学习

    使用深度学习技术，结合人工病理学家的诊断结果，实现对淋巴结活检全滑片图像中转移性乳腺癌的自动检测，能够在提高病理诊断准确性方面发挥重要作用。

    Jun, 2016

  • 一种用于全景 X 射线检测和分类异常牙齿的顺序框架

    该论文提出了一种解决 MICCAI 2023 全景 X 射线中牙齿枚举和诊断问题的方法，通过多阶段框架检测和分类异常牙齿，包括牙齿实例检测、健康实例过滤和异常实例分类等步骤，各模型的性能分别为 0.49 的 AP 分数、0.71 的 F1 分数和 0.76 的 F1 分数。

    Aug, 2023

  • 探索卷积神经网络 (CNN) 在牙科 X 光影像分割中的作用：一项全面系统文献综述

    深度学习在牙科图像分析中展示了其作为分析图像的有效工具，且具有非常高的性能水平。

    Jan, 2024

  • 迭代优化和统计结果验证的高效人机互动式深度学习模型训练

    本文介绍一种创建数据清理的分割的方法，通过使用自动生成的训练数据和快速人工视觉检查来提高模型的准确性，并保持时间 / 精力和成本的低成本。此方法可实现高准确度模型的成本效益和快速方法，同时还能最大限度地减少获取高质量训练数据的成本和精力。

    Apr, 2023

  • 口腔罕见疾病下的牙齿检测、分割和编号的检测转换器：关注数据增广和修补技术

    利用深度学习图像处理技术，我们以口腔罕见疾病为背景进行研究，重点解决了数据稀缺所带来的挑战。通过使用由专家标注的 156 个口腔罕见疾病个体的全景放射片数据集，我们训练了检测转换器（DETR）神经网络来完成牙齿的检测、分割和编号，同时使用几何变换等数据增强技术。最后，通过稳定扩散的修复技术，我们生成了新的全景图像，将牙齿从全景放射片中移除并整合。结果显示，没有数据增强时，DETR 的平均精确度超过 0.69；使用数据增强技术后，平均精确度提高至 0.82。此外，使用修复技术生成的新的全景放射片展现出了有前景的性能，平均精确度达到 0.76。

    Feb, 2024

  • 头颅 CT 扫描关键结果检测深度学习算法的开发与验证

    本研究开发和验证了一组深度学习算法，用于自动检测无对比剂头颅 CT 扫描的关键发现：颅内出血（ICH）及其类型，脑内实质（IPH），脑室内（IVH），硬膜下（SDH），硬脑膜外 (EDH) 和蛛网膜下 (SAH)，骨盖骨折，中线移位和占位效应，AUCs 测评结果显示算法的识别准确率达到了很高的水平。

    Mar, 2018