基于卷积神经网络的牙周影像学骨丧失检测与测量人工智能模型研究

《Clinical Oral Investigations》：Evaluation of an artificial intelligence-based model in diagnosing periodontal radiographic bone loss

为检测测量牙周影像学骨丧失（RBL），研究人员开展相关研究，模型性能良好，或助力牙周诊断。

　　研究旨在开发一种基于卷积神经网络的人工智能模型，用于检测和测量牙周影像学骨丧失（RBL）。研究人员利用计算机视觉标注工具，对 595 张数字化咬翼 X 线片进行关键点标注。随后将数据集进行划分，其中 416 张图像使用带姿态估计的 You Only Look Once 版本 8 架构（YOLO-v8-pose）进行训练，119 张图像作为验证集，60 张图像用于测试集，最终得到了一个能够检测与釉牙骨质界（CEJ）和牙槽嵴顶（ABC）相关关键点的模型。为评估所得模型的性能，研究人员分析了以下指标：F1 分数、精度、灵敏度和平均精度均值（mAP）。之后，通过计算 CEJ 和 ABC 之间的欧几里得距离，研究人员实施了一种算法来测量 RBL。结果显示，该模型的 F1 分数达到 66.89%，精度为 61.1%，灵敏度为 73.9%，mAP 为 73.8%。研究结论表明，所开发的用于识别和测量牙周影像学骨丧失的模型及其算法展现出良好的性能，有望成为辅助牙周诊断的潜在工具。不过，为进一步验证该模型，还需开展更多研究，将其与专家手动测量结果进行比较。从临床意义来看，在临床牙科实践中应用人工智能，有助于支持诊断、优化临床工作流程并为治疗方案提供参考，是牙科自动化领域的一项重要进展。