台灣頂級牙科交流論壇

標題: 創新AI 在牙科领域的應用「6例」 [打印本頁]

作者: admin 時間: 2022-11-21 15:44
標題: 創新AI 在牙科领域的應用「6例」
人工智能若何支撑牙醫并改良患者的持久醫治结果？领會牙科范畴最有趣的 AI 用例，并领會頂级牙醫若何塑造牙科照顾护士的 AI 解决方案。放射線拍照術、口内扫描和脸部扫描凡是會向牙科大夫供给大量的压服性和非布局化数据。

好動静？人工智能驱動的牙科成像軟件可以帮忙快速有用地舆解数据。

呆板進修（ML）已被用于：

牙科圖象的主動诠释（X 光片、CBCT 和 MRI 扫描）；

醫治建议；

将来牙科疾病展望；

和更多最佳的部門。

呆板進修算法也被证实在診断@龋%dF5RG%齿或展%a9245%望@牙齿是不是應當铲除、保存或举行修复醫治方面优于牙醫。看看 ML 钻研在各個牙科范畴的广度：

如今，在您起頭担忧呆板人會代替赐顾帮衬您牙齿的友大好人类以前，请晓得呆板進修和计较機視觉體系正在被用于支撑您的牙醫供给最佳的醫治。如下是咱們将先容的内容：

PART
01龋齿和牙周病檢测

正如“两個脑壳总比一個脑場中投注怎麼玩，壳好”同样，借助分外的（计较機視觉）眼睛可以提高牙醫辨認和醫治問题的能力。有時，分外的帮忙比您预期的更有價值。讓咱們看两個例子：龋齿和牙周病。

龋齿

计较機視觉體系可使用工具檢测和语义朋分等技能檢测龋齿。一種可行的法子是在带有标识表記标帜蛀牙的大量圖象上练習 CNN。一旦模子练習完成，算法便可以接管原始数据以自行辨認這些病变。

准确辨認病变（比方龋齿）是初期診断龋齿的關頭。牙醫多年来一向是龋齿侦察。但在辨認龋齿方面，ML若何阐扬感化？

為了答复這個問题，Pearl 拜托举行了一項钻研，将三位履历丰硕的牙醫的診断一致性與牙科人工智能體系举行了比力。

三位人类牙醫查抄并凸起了 8,000 多张咬翼和根尖周放射影象中的龋损。该钻研的重要目标之一是领會牙醫多久就蛀牙的存在與否告竣一致。成果至關使人不安。

牙醫一致赞成 79% 的時候没有龋齿。不错，但也不彻底鼓動人心。更使人震動的是，他們一致認為只有 4.2% 的案例存在腐臭！固然這無疑是一個低尺度，但钻研發明，CV/ML 东西不但比牙醫的共鸣率更好，并且比将一名牙醫用作“基本领实”或當利用了两個牙醫注释之間的交集。

结論是對付您的牙醫来讲，與 AI 同事接洽以得到第二定見确切不是一個坏主张。這其实不是说牙醫不长于他們的事情。相反，人工智能很是长于阐發和处置大量繁杂数据。

比方，dentalXrai Pro 是一小我工智能步伐，可帮忙牙科大夫更正确、更一致地阐發 X 光片。它不會代替牙醫的專業常识，而是帮忙他們以更快的速率和精度辨認問题和潜伏的醫治法子。

DentalXrai Pro 的结合開創人说：

AI 不賣力牙科查抄，也不會對醫治做出决议。但是，dentalXrai Pro 将牙科晋升到尺度化、高质量的程度，并极大地加速了 X 射線的阐發速率，是以牙醫可以更有用地利历時間與患者扳谈。

DentalXrai Pro 实現了這一點，這要归功于人工神經收集，该收集可使用大量带标识表記标帜的牙科 X 光片举行练習。然後，该步伐可以進修檢察蛀牙、傳染和根管填充等牙齿异样之間的區分。然後，當显示单個数字化患者 X 射線時，它可以建议几近即時的診断。

這节流了牙醫的時候，提高了診断正确性，并為患者照顾护士留下了更多可用資本。

牙周疾病

牙周病是由细菌引發的，這些细菌在您的牙齿中安营并傳染四周的軟组织。這會發生炎症并致使牙齿脱落。牙醫可使用一種称為深度探测的技能来肯定疾病的紧张水平。

荣幸的是，人工智能可以經由過程供给分外的檢测东西和主動深度探测来供给帮忙。

在第一種环境下，CNN 可以對牙周受损牙齿的放射線圖象举行圖象分类和圖象朋分，然後他們辨認模式并履行邊沿檢测以肯定疾病的阶段。

但這還不是全数。這項钻研的钻研职员提出了一種利用计较機視觉的计较機辅助牙周病診断體系。

從本色上讲，该體系“主動举行深度探测，并将彩色相機與塑料探頭连系在一块兒，主動正确地得到深度探测丈量值”。

事情道理

當體系针對两名流类牙周病大夫的深度探测成果举行测试時，人工智能體系的診断每次都被证实是准确的。這里的成果其实不是咱們未来必要更少的牙醫，而是人工智能可以帮忙牙醫做出更有用的診断，并投入更多精神供给最好醫治。

這有點像互联網如作甚您节流去藏书楼的观光，這讓您有更多時候用您找到的信息現实做一些事变。除，在這类环境下，它给牙醫一個更好的機遇来避免你的牙齿脱落！

PART
02
口腔癌檢测

固然落空牙齿多是創伤性的，但與口腔癌的影响比拟，它相形見绌。2021 年，仅在美國就有跨越 10,800 人死于口腔或口咽癌。斟酌到初期發明口腔癌的存活率為 83%，這個数字就加倍悲凉了。

但是，只有 29% 的病例被初期發明。更首要的是，檢测口腔癌的初期迹象并不是出格具备挑战性。

称為“口腔潜伏恶性疾病”（OPMDs）的可見口腔病变是癌症的强烈征象，可以在平凡牙醫的通例口腔查抄中檢测到。問题是這类查抄在牙科查抄時代產生的频率不敷高。如果有一種高效、經濟有用的法子来主動檢测恶性或潜伏恶性病变就行了……

今朝，ML 和 CV 技能尚未成长到足以帮忙咱們阔别口腔癌的水平。但@跟%642QA%着對准%c6a29%确@标识表記标帜数据的更多拜候，它有很大的潜力达到那邊。

究竟上，一些 V7 用户已在尽力标识表記标帜牙科数据和創建口腔癌檢测模子。近来一項關于“利用深度進修主動檢测和分类口腔病变”的钻研，經由過程利用两種基于深度進修的计较機視觉法子，對口腔病变举行分类。

它将利用 ResNet-101 的圖象分类和利用 Faster R-CNN 的工具檢测利用于 2,000 多张圖象，目标是答复两個問题：

1) 是不是存在病变？

2) 病变會带来癌症危害吗？

固然其实不完善，但人工智能體系取患了可喜的功效。圖象分类在檢测口腔病变存在方面的正确度為 87%，在對必要轉診醫治的患者举行分类方面的正确度為 78%。物體檢测的环境稍差一些，檢测具备癌症危害的病变的正确率仅為 41%。

這是一個杰出的初步，而且正在获得更多希望。

2020 年的另外一項钻研利用神經收集和显微圖象来檢测口腔癌的迹象。

钻研职员将几種最先辈的人工智能模子與迁徙進修法子举行了比力。然後，他們编译并公布了一個加强的口腔癌高质量显微圖象数据集。

成果显示，比拟简略的卷积神經收集 (CNN) 基線，這些迁徙進修法子取患了10-15%的绝對改良。固然用于主動檢测口腔癌的@钻%qP32F%研和資%1fBA9%本@腳臭噴霧,尚未彻底到位，但它們必定正朝着准确的标的目的進步。

PART
03
蛀牙的檢测和診断

咱們在會商龋齿時碰到了蛀牙，但在這里咱們将更深刻地钻研它。究竟结果，“察看”龋齿是牙醫最常從事的臉部清潔霜，首要事情之一。

蛀牙几近影响到每小我，牙齿咬合面的缝隙是至關正常的，這是龋齿最常產生的处所。

若是你斟酌到最初的病变和活泼傳染的病变，在大大都工業化國度中，60-90% 的學龄兒童和近 100% 的成年人的牙齿上有某種情势的蛀牙。

與口腔癌同样，初期發明蛀牙對付预防不成挽回的危险相當首要。當龋齿获得初期醫治時，它可以光鲜明显低落醫治本錢、修复時候和牙齿脱落的危害。

傳统上，牙醫經由過程简略的目視查抄来辨認蛀牙——@咱%B79zK%們大大%27X76%都@人可能與躺在診所椅子上的履历有關，而牙醫在咱們的牙齿四周戳，一向担忧咱們會听到，“哦，我大白了一個洞！”

但是，近来，计较機辅助檢测和診断體系 (CAD) 正在成為牙科診所的尺度構成部門。這些體系可以读取牙科 X 射線和锥形束计较機断层扫描 (CBCT) 圖象，以领會口腔病理學的迹象。

CAD 體系出格长于利用牙科 X 射線照片来發明牙齿之間產生的蛀牙，這些蛀牙凡是很难用肉眼看到。别的，计较機視觉驱動的體系可以估量病变的深度，并利用這些信息来檢测和分类蛀牙。

2021 年 8 月颁發的一項钻研显示了這类类型的 AI 檢测正在阐扬感化。卷积神經收集 (CNN) 的深度學惯用于利用口腔内成像檢测和分类蛀牙。

将包括 2,417 张匿名牙齿照片的数据集分為三类（無龋、非蛀牙病变或蛀牙相干浮泛），并利用圖象加强和迁徙進修来练習 AI 模子。

為了确保靠得住的成果，圖象集被分成练習集和测试集。然後經由過程選擇 25%、50%、75% 和 100% 的练習集圖象来驗证成果。

那末咱們的 AI 牙醫助理做得怎样样呢？很好！

按照所有测试圖象的成果，CNN 想法在尺度化的单齿照片中以 92.5% 的正确率檢测出蛀牙。

是以，這类由人工智能驱動的东西代表了牙醫弥补視觉查抄和优化蛀牙檢测的一種高效、正确的法子。這是個好動静，由于蛀牙必定會在某個時辰影响到几近每小我。

PART
04
牙髓病學

若是您曾做過根管醫治，那末您就已與牙髓醫治面临面了。荣幸的是，人工智能的利用可以帮忙牙醫更有用地檢测和醫治這些可骇的病变。

牙髓科大夫凡是利用放射線圖象来查抄、丈量和评估牙齿在牙龈（即牙根）中的状态。AI 模子還可以檢察這些圖象，并肯定牙齿看不見的部門的布局、丈量值、组织活气，乃至醫治的潜伏樂成率。

然後，深度進修算法可以檢测、定位和分类牙根剖解布局和可能的病理的分歧方面。這對付定位特定的牙齿布局或辨認牙齿内部或四周的特定类型的缝隙和病变颇有用。

比方，在本文中，钻研职员利用 CNN 来檢测 CBCT 圖象上的根尖周病变。他們發明 AI 模子在這項使命中的靠得住性到达了惊人的 92%。

固然檢测牙根四周组织中的病变很首要，但肯定牙龈中牙根的长度（事情长度），對付牙髓醫治也很首要。有几種法子可以实現這一點——包含只感受牙龈组织——但浏览牙科 X 光片是最多見的。這對人工智能来讲是個好動静，由于计较機視觉在放射圖象上结果很好（而不是用手指戳嘴）。

比方，這項钻研陈述了利用電子心尖定位器和 CBCT 成像来利用 AI 模子定位根尖孔。

根尖孔的正确位置對付肯定牙齿的事情长度相當首要，钻研中利用的人工神經收集 (ANN) 可以或许以 93% 的正确率实現這二眼科,者。再一次，人工智能在它的牙齿查抄测试中变得一致了！

PART
05
人工智能辅助正畸醫治规划

今朝為止，咱們已看到人工智能计较機視觉和呆板進修，在診断和醫治牙齿内部和四周的問题方面有很大帮忙。

但它可以帮忙将牙齿挪動到准确的位置吗？

确切可以。牙齿改正必要大量规划，人工智能可用于优化阐發，以展望未萌牙的巨细或潜伏的拔牙需求等。牙齿改正大夫還必要肯定牙齿進入的最好路径，算法可以采纳出發點和方针终點，并计较出一颗或一组牙齿达到其最好目标地的最好方法。

這為牙科大夫节流了大量時候，并提高了牙齿挪動的效力。正如老木工的格言：“两次丈量，一次支持。”除挪動牙齿外，牙科專業职员還可使用计较機視觉来診断口腔中的骨骼病变。比方，它已被遍及用于診断和分类颞下颌枢纽關頭的骨枢纽關頭炎。

是以，從处置牙齿改正的痛苦悲伤到減缓枢纽關頭炎的下巴，人工智能被证实是牙醫和正畸大夫的有出路的朋侪。

PART
06
牙科中人工智能的局限性（和若何降服）

固然咱們所涵盖的所有内容都具备扭轉牙科的庞大潜力，但目古人工智能在牙科行業的遍及利用存在一些限定。最首要的是拜候由准确标识表記标帜的牙科数据集構成的高质量练習数据。

练習数据质量

人工智能算法只有在得到相干数据可供進修的环境下才能正确履行。這象征着利用鸿沟框或多邊形等注释来标识表記标帜感樂趣的工具并凸起显示相干區域。

一般来讲，公然可用的数据集是 AI 练習的首要資本。但是，牙科 AI 的問题不是不肯意或没法编译数据集或拜候當前可用的数据集。相反，在牙科练習人工智能所需的数据必要匿名，或采集必要患者赞成。

PART
07
牙科人工智能的将来

呆板進修和计较機視觉體系在将来的牙科照顾护士中具备使人难以置信的潜力，從改良口腔癌的初期檢测到提高正畸的效力。

正如咱們所見，人工智能對牙科的首要性不容小觑。當與人类牙科大夫互助時，人工智能技能可以提高診断正确性、低落本錢并改良患者的持久醫治结果。另外一個重要益处是人工智能尺度化牙科診断和醫治的能力。

牙醫對患者数据的评估是主观的，钻研表白從業者之間的診断其实不老是一致的。牙科范畴的智能新技能供给了一種光鲜明显提高一致性的法子，從而改良患者的康健状态。

换句话说，CV 和 ML 有望為患者和牙醫缔造一個重大的共赢場合排場。

歡迎光臨台灣頂級牙科交流論壇 (https://ntree.com.tw/)