人工智能有望解读牙科x光片

一种深度学习算法成功地从二维咬翼x线片检测牙周病，根据在EuroPerio10，是由欧洲牙周病学会(EFP)主办的世界领先牙周病及种植牙科会议。

“我们的研究显示了人工智能(AI)自动识别可能被遗漏的牙周病理，”研究作者、土耳其埃斯基谢ir Osmangazi大学的Burak Yavuz博士说。“这可以减少辐射暴露通过避免重复评估，防止疾病的无声进展牙周疾病，以便及早治疗。”

以前的研究已经研究了人工智能在检测龋齿、牙根骨折和根尖病变方面的应用，但在牙周学领域的研究有限。这项研究评估了深度学习(AI的一种)在咬翼x线片中确定牙周状态的能力。

该研究使用了434张牙周炎患者的咬翼x光片。图像处理采用u-net结构，a卷积神经网络用于快速、精确地分割图像。一位经验丰富的专科医生也使用分割方法对图像进行了评估。评估包括下颌和下颌周围的总牙槽骨损失上牙水平骨丢失，垂直骨丢失，分叉缺陷，上颌和下颌牙齿周围的牙石。

的神经网络发现牙槽骨丢失859例，水平骨丢失2215例，垂直骨丢失340例，分叉缺损108例，牙石508例。该算法在识别缺陷方面的成功与医生的评估进行了比较，并报告为敏感性，精密度和F1评分，这是敏感性和精密度的加权平均值。灵敏度、精度和F1得分，1为最佳值，0为最差值。

全牙槽骨丢失的敏感性、精密度和F1评分结果分别为1、0.94和0.96。水平骨损失的对应值分别为1、0.92和0.95，而AI无法识别垂直骨损失。对于牙结石，敏感性、精密度和F1评分结果分别为1.0、0.7和0.82，对于分叉缺陷，分别为0.62、0.71和0.66。

Yavuz博士说:“我们的研究表明，人工智能能够从2D图像中识别出多种类型的缺陷，这有助于牙周炎的诊断。我们需要对更大的数据集进行更全面的研究，以提高模型的成功率，并将其应用于3D x光片。”

他总结道:“这项研究让我们得以一窥牙科的未来，人工智能将自动评估图像，并协助牙科专业人员更早地诊断和治疗疾病。”

---

---