DMF-T assessment on panoramic images using deep learning-based convolutional neural network algorithm

Elif Aslan

doi:10.1038/s41598-026-63568-y

DMF-T assessment on panoramic images using deep learning-based convolutional neural network algorithm

2026-07-22

0

OA

AI

DOI：10.1038/s41598-026-63568-y

原文链接

原文求助

摘要

En 中文

基于图像的口腔健康指数自动化评估可提高诊断一致性并支持牙科疾病的大规模监测。利用基于深度学习的目标检测最新进展，本研究探讨了利用卷积神经网络方法从全景放射图像中量化龋坏、缺失和充填牙数（DMFT）指数。共回顾性收集了1,316张来自>18岁患者的匿名数字全景图像，并根据世界卫生组织标准进行注释。使用FDI编号系统，牙齿被标记为健康、龋坏或充填，缺失牙齿通过与完整的32颗牙参考框架比较进行识别。数据集被随机划分为训练、验证和测试子集。对于自动牙齿级分析，实现了基于YOLOv11的CNN目标检测框架，以同时检测和分类全景图像上的单个牙齿。模型性能使用精确率、召回率、F1分数、平均精度均值（mAP）和缺失牙检测准确率进行评估。基于YOLOv11的模型在自动DMFT评估中表现出高整体性能（mAP@0.5=0.839；F1分数=0.819）。分类性能在充填牙中最高，而龋坏牙的检测和分类相对不太准确。缺失牙的识别准确率为95.48%。这些发现表明，所提出的YOLOv11框架能够可靠地从全景放射图像中提供牙齿级的DMFT估计，并可作为流行病学监测和临床实践的决策支持工具。为进一步提高早期龋齿检测性能，需要进一步的方法学优化。

DMF-T assessment on panoramic images using deep learning-based convolutional neural network algorithm

摘要

期刊

机构

引用论文