2023. 06. 27. - 09:30
Mélytanulási algoritmus segíthet a fogszuvasodásoknál
Egy, az úgynevezett okklúziós fogszuvasodás kimutatásáról szóló tanulmány a mélytanulási algoritmusok előnyeit tárta fel.
Diagnosztikai tanulmányt mutattak be június 21 és 24. között a kolumbiai Bogotában megrendezett fogászati találkozón, amely az okklúziós fogszuvasodás klinikai fényképről történő kimutatásáról szól - mélytanulási algoritmus segítségével.
Chukwuebuka Elozona Ogwo, illetve a philadelphiai Temple Egyetem tanulmánya a YOLOv7 objektumészlelő algoritmus pontosságát és érzékenységét kívánta meghatározni az okklúziós fogszuvasodás klinikai fényképek alapján történő kimutatásában, valamint szoftvert fejleszteni az okklúziós fogszuvasodás azonosítására.
A vizsgálatba a Temple Egyetem Kornberg Fogászati Iskoláján vontak be 18 évesnél idősebb résztvevőket, akik tartós fogazattal rendelkeztek.
A 4. évfolyamos fogorvostanhallgatók Coolpix L840 kamerákkal 300 intraorális fényképet gyűjtöttek mind az állkapocs-, mind az állcsontívek okklúziós felületéről. A képeket Roboflow V4 segítségével látták el megjegyzésekkel. Az adatok előfeldolgozása és kiegészítése után 845 képet hoztak létre, amelyeket véletlenszerűen három csoportra osztottak.
Az adatokat ezt követően a YOLO v7 objektumészlelő algoritmus segítségével elemezték. Az algoritmus teljesítménymutatói a következők voltak: átlagos pontosság (mAP), visszahívás (érzékenység) és precizitás (pozitív prediktív érték). A végső algoritmust használták a szoftver létrehozásához a Flask alkalmazáson és telepítették a Heroku platformra.
Az algoritmus 79,5 százalékos pontosságot, 83 százalékos visszahívást, 81,2%-os F1-pontszámot és 80%-os mAP@0.5 pontszámot eredményezett az okklúziós fogszuvasodás kimutatásában, a mandibula és a maxilláris ívek klinikai fényképén egyaránt.
L.A.
