计算机辅助诊断根尖X线片图像中恒牙邻面龋初探

发布时间：2022-07-13 11:51

　　目的通过构建基于深度学习模型的计算机辅助龋病诊断系统,检测根尖X线片图像中恒牙邻面龋,为邻面龋的早期诊断提供参考。方法选择福建医科大学附属口腔医院口腔颌面外科门诊提供的因正畸需要或无保留价值而拔除的人离体恒前磨牙及磨牙160颗（外观完整或邻面龋洞缘位于釉质牙骨质界之上）,拍摄根尖X线片,进行组织学检测并分级（0级:无龋坏;1级:龋坏达釉质外1/2;2级:龋坏达釉质内1/2;3级:龋坏达釉质牙本质界;4级:龋坏达牙本质外1/2;5级:龋坏达牙本质内1/2）。根据组织学分级将160颗离体牙根尖X线片均分为训练集和测试集（各80颗）。由2名评估者参照组织学图像对训练集根尖X线片进行龋坏标记,建立基于深度学习模型的计算机辅助龋病诊断系统。由另2名评估者和计算机辅助龋病诊断系统分别对测试集根尖X线片进行邻面龋诊断。以组织学检测结果作为金标准,通过受试者工作特征曲线（receiver operating characteristic curve,ROC）综合评估肉眼诊断和计算机辅助龋病诊断系统的灵敏度和特异度,利用ROC曲线下面积（areas under the ROC curve,AUC）值比较... 

【文章页数】：7 页

【参考文献】：
期刊论文
[1]不同数据集容量下的卷积神经网络图像识别性能[J]. 邢世宏,施闻明,任荟洁.  舰船科学技术. 2019(21)
[2]口腔内科临床中数字化根尖片的应用分析[J]. 刘旭.  全科口腔医学电子杂志. 2019(10)
[3]基于深度卷积神经网络算法的肺结节检测模型[J]. 杨晶晶,王骞,宣晓华.  数学建模及其应用. 2017(04)
[4]计算机辅助检测锥形束CT图像中邻面龋灵敏度的研究[J]. 张智玲,李居朋,李刚,马绪臣.  中华口腔医学杂志. 2017 (02)
[5]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川.  数据采集与处理. 2016(01)
[6]图像边缘提取方法及展望[J]. 季虎,孙即祥,邵晓芳,毛玲.  计算机工程与应用. 2004(14)



本文编号：3659991