典型文献
基于卷积神经网络的牙周炎智能诊断
文献摘要：
目的 基于卷积神经网络的深度学习技术,迭代升级传统U-net算法,分析判读曲面体层片牙槽骨吸收严重程度,探究在牙周炎诊断中的价值.方法 构建Ali-U-Net算法,分析公共数据集116例脱敏口腔患者的全景X片图像,计算每颗牙的牙槽骨吸收程度,比较U-net和Faster RCNN等传统算法.结果 以高年资牙周专科医师的判读结果为对照,Ali-U-Net网络曲线下面积为0.93,高于原生U-Net(0.90)和Faster RCNN(0.67).结论 基于人工智能卷积神经网络成功迭代建立了Ali-U-Net算法,在曲面体层片牙槽骨吸收严重程度判读方面体现了较好的应用价值.将本算法与病历信息的智能读取相结合或可应用于牙周炎的分期及分级智能诊断.
文献关键词：
牙周炎;深度学习;智能诊断;口腔曲面体层片;卷积神经网络
中图分类号：
作者姓名：
程子健;黄鹏;戚刚刚;张睿;李晓军
作者机构：
浙江大学 口腔医学院浙江省口腔疾病临床医学研究中心浙江省口腔生物医学研究重点实验室,癌症研究院,浙江杭州 310006
文献出处：
引用格式：
[1]程子健;黄鹏;戚刚刚;张睿;李晓军-.基于卷积神经网络的牙周炎智能诊断)[J].兰州大学学报（医学版）,2022(10):32-35,42
A类：
口腔曲面体层片
B类：
牙周炎,智能诊断,深度学习技术,迭代升级,net,判读,Ali,Net,公共数据,脱敏,全景,每颗,牙槽骨吸收程度,Faster,RCNN,传统算法,高年资,专科医师,于原生,代建,病历,能读,读取
AB值：
0.242008
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
