共计 786 个字符，预计需要花费 2 分钟才能阅读完成。
雅典耀大学智能视觉环境实验室（ALIVE）与国际研究人员合作，开发了一种深度学习模型，旨在革新牙科领域。该模型能够以 98.2% 的准确率识别牙科 X 光片中的牙齿和鼻窦结构。
牙源性鼻窦炎是一种诊断难度极高的病症，常被误诊为普通鼻窦炎。其症状与普通鼻窦炎几乎完全相同，且只有约三分之一的患者会出现明显的牙痛，导致该病症常被全科医生忽视。传统诊断需要牙科医生和耳鼻喉科医生协作，往往导致治疗延迟。
通过在牙科全景 X 光片（DPR）图像上训练深度学习模型，研究人员找到了一种以前所未有的准确率检测关键解剖关系的方法。该研究使用了 YOLO 11n 深度学习模型，达到了令人印象深刻的 98.2% 准确率，优于传统检测方法。
YOLO（You Only Look Once）是一种先进的物体检测算法，以其速度和准确性著称。YOLO 11n 模型是其改进版本，专为医学成像任务优化，使其能够在一次图像扫描中高精度识别牙齿和鼻窦结构。与需要多个步骤和专家解读的传统诊断方法不同，YOLO 11n 能够实时快速定位受影响的区域，成为牙科专业人士的宝贵工具。
除了准确性，这种 AI 驱动的方法还提供了实际好处。它通过减少对 CT 扫描的需求，最大限度地减少了患者的辐射暴露，而 CT 扫描目前是诊断牙源性鼻窦炎的金标准。它还提供了一种经济高效的筛查工具，特别适用于资源有限地区，这些地区可能无法获得先进的成像技术。通过早期标记潜在病例，该系统能够及时干预，防止并发症并减轻医疗提供者的负担。
这一突破凸显了 AI 在医学诊断中日益重要的作用，弥补了仅靠人类专业知识可能存在的不足。随着进一步验证，该技术可能成为牙科和耳鼻喉科诊所的标准工具，确保更多患者获得及时准确的诊断。
ALIVE 负责人 Patricia Angela R. Abu 博士及其来自台湾长庚纪念医院、成功大学、中原基督教大学和明志科技大学的同事在《生物工程》杂志上发表了他们的研究成果。
