(资料图片仅供参考)

使用深度学习算法从临床照片检测咬合面龋齿的诊断研究将在 IADR 第 101 届大会上提出，该大会将与第九届拉丁美洲地区会议和第 12 届世界大会同时举行预防牙科会议将于 2023 年 6 月 21 日至 24 日在哥伦比亚波哥大举行。

互动演讲演讲“使用深度学习算法自动检测咬合面龋齿”将于哥伦比亚时间 6 月 24 日星期六下午 4:25 (UTC-05:00) 在“健康状况和风险因素的流行情况”期间举行会议。

美国宾夕法尼亚州费城天普大学的 Chukwuebuka Elozona Ogwo 进行的这项研究旨在确定 YOLOv7 对象检测算法在临床照片咬合面龋齿检测中的准确度、精确度和灵敏度，并 (2) 开发咬合面龋齿检测软件。

该研究仅包括同意并在天普大学科恩伯格牙科学院接受护理的恒牙成年人(> = 18 岁)。四年级牙科学生使用 Coolpix L840 相机收集了 300 张下颌和上颌牙弓咬合面的口内照片。使用 Roboflow V4 对图像进行注释。经过数据预处理和增强后，生成了 845 张图像，并随机分为三组：训练、验证和测试——分别为 70:20:10。

然后使用 YOLO v7 对 100 个时期的数据进行分析，批量大小为 1，图像大小为 1280x0。算法性能指标包括平均精度 (mAP)、召回率(灵敏度)和精度(阳性预测值)。最终的算法用于在 Flask 上创建软件并将其部署在 Heroku 上。

该算法在下颌和上颌牙弓临床照片上的咬合面龋齿检测中，准确率达 79.5%，召回率达 83%，F1 分数达 81.2%，mAP@0.5 分数达 80%。这项研究在人工智能从临床照片中自动检测龋齿方面取得了令人鼓舞的结果。当部署为手机应用程序时，它可以作为远程牙科的重要工具并改善获得护理的机会。

关键词：