科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 研究深度学习技术智能诊断龋齿和根尖周炎的效果，初步探讨深度学习在口腔疾病诊断中的应用价值。方法 以2 298张包含健康牙齿、龋病、根尖周炎的根尖片数据集为研究对象，随机划分为1 573张训练集图像，233张验证集图像以及492张测试集图像。通过多种神经网络对比验证，选择性能较好的MobileNetV3网络模型应用于牙病诊断，并通过调整网络超参数优化模型。采用精确率、准确率、召回率和F1分数评估模型识别龋齿和根尖周炎的能力，并使用类激活热力图对网络模型性能进行可视化分析。结果基于MobileNetV3网络模型的牙齿病变检测算法对健康牙齿、龋病和根尖周炎进行分类的精确率、召回率和准确率分别为99.42%、99.73%和99.60%,F1分数为99.57%，达到了较为理想的智能诊断效果。可视化类激活热力图也显示出网络模型能够较为准确地提取牙科病变的特征。结论 基于MobileNetV3网络模型的牙齿病变检测算法能够排除图像质量和人为因素的干扰，具有较高的诊断准确率，可满足口腔医学教学和临床应用需求。
-
单位山东大学齐鲁医院; 济南市口腔医院; 山东大学
