DINOv2 versus Supervised Visual Representations for Tooth-Level Multi- Label Diagnosis Classification on Panoramic Radiographs: A Frozen-Feature Sample-Efficiency Study
本研究表明，虽然冻结的 DINOv2-small 在全标注全景 X 光片上的表现并未显著优于经过 ImageNet 监督预训练的 ResNet50，但在标注预算受限的情况下，它在牙齿层级的多标签诊断分类中提供了更优的样本效率和性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
牙科医生依赖全景 X 光片——一种能够捕捉整个上颌和下颌的单一宽幅图像——来快速了解患者的口腔健康状况。这些图像是发现隐藏问题（如龋齿、牙根感染或未破龈出的阻生齿）的第一道防线。然而，解读这些图像非常困难。细节极其微妙，即使是经验丰富的专业人士也可能漏掉微小的疾病征兆，或在观察结果上产生分歧。为了提供帮助，研究人员转向了人工智能，教计算机自动识别这些问题。该领域最大的障碍不在于构建计算机程序，而在于寻找用于教学的数据。要训练一个识别特定疾病的系统，专家必须在数千张图像中手动为每一颗牙齿画框，并准确标注其病变情况。这个过程缓慢、昂贵，且需要高水平的人力劳动。因此，科学家们不断寻找让计算机在更少人工辅助下变得更聪明的方法，希望找到一种即使在学习样本极少的情况下也能有效学习的方法。
一个研究小组决定利用大量的牙科 X 光片来测试解决这一问题的特定方法。他们想看看一种现代类型的人工智能（通过自主观察数百万张无标签图片进行学习）在标签数据受到严格限制时，是否能优于传统的旧方法。他们专注于一项任务：让计算机观察 X 光片中的特定牙齿，并判断其是否患有一种或多种情况：龋齿、深龋、牙根感染或阻生齿。研究人员比较了三种准备计算机“眼睛”的方式。第一种方法使用了一种名为 DINOv2 的尖端系统，该系统是在大规模通用图像库上进行过无人工标签训练的。第二种方法使用了一个标准的系统，该系统是在著名的日常照片（如猫、汽车和树木）集上训练的，其中人类对每张照片都进行了标注。第三种方法是一个对照组，使用了一个从未见过任何图像、只是在随机猜测的系统。
研究首先通过使用所有可用数据来测试这些系统。当研究人员向计算机提供所有能找到的有标签样本时，结果出人意料地接近。这种现代的自学系统与传统的、经由人工标注的系统表现几乎完全相同，两者都能以相似的准确度识别出牙科状况。那个从未见过任何图像的系统表现明显较差，这证实了计算机需要先验知识才能完成这项工作。这一初步发现表明，对于数据充足的任务，旧有的成熟方法与更新、更复杂的模型一样出色。
真正的考验出现在研究人员模拟专家非常忙碌、只能标注极少量样本的情景时。他们将训练数据限制在每种情况仅有五例正样本的情况，这种情况在收集数据困难的现实医疗研究中经常发生。在这种受限的环境下，结果发生了戏剧性的变化。那个通过无标签图像学习的现代系统在每一次试验中都始终优于传统系统。即使只有五个例子可以学习，这个自学系统识别牙科问题的能力也远高于那个基于人工标注照片训练的系统。即使研究人员将样本数量增加到一百个，这种优势依然存在；自学系统仍然是表现更强的那个。为了确保这不仅仅是因为现代系统使用了不同的计算机架构，研究人员还测试了第三个更先进的系统，该系统采用传统方式训练，但使用了相同的现代架构。即便面对这个更公平的对手，自学系统依然胜出，证明了其从极少样本中学习的能力是一种真正的优势。
研究人员仔细解释了他们的发现证明了什么以及没有证明什么。他们展示了自学系统在利用稀缺数据方面表现更好，但无法确定这是否是因为它在没有标签的情况下进行学习。这些系统在许多方面都存在差异，包括训练图像的类型以及构建它们时使用的特定数学配方。因此，这种优势很可能源于所有这些因素的结合，而非仅仅是其中之一。此外，虽然自学系统效率更高，但研究并未声称它已准备好立即投入牙科诊所使用。尽管性能差异是一致的，但其差距尚不足以被宣布为临床突破，且这些系统尚未在来自不同医院或使用不同 X 光机的患者身上进行测试。研究结论是，对于资源有限的研究人员来说，从现代自学系统开始是一项强大的策略。它提供了一种从极少数专家标签中获取最大价值的方法，为未来有望帮助牙医更准确、更快速诊断问题的工具奠定了坚实的基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。