典型文献
人工智能在锥形束计算机断层扫描影像中识别慢性根尖周炎根尖区病变的应用
文献摘要：
目的 探讨基于卷积神经网络算法的人工智能(AI)计算机辅助诊断系统在锥形束CT(CBCT)影像上识别慢性根尖周炎根尖区病变的应用.方法 收集北京大学口腔医院第二门诊部2017年1月—2021年12月累及单牙根的慢性根尖周炎的CBCT影像,总计49例患者55个牙位.由5位中级职称的临床医生通过Materialize Mimics Medical软件对慢性根尖周炎病变区域识别并进行手动逐层分割,然后通过AI 3D U-Net网络对病损特征进行深度学习,网络分割结果与手动分割数据的一致性,本研究通过交联比(IOU)、Dice系数、像素精确度(PA)在测试集上进行评价.结果 神经网络在测试集的IOU为92.18%,Dice系数为95.93%,PA为99.27%.结论 AI和临床医师的慢性根尖周炎病变检出和分割一致性较高,基于本研究深度学习方法的AI系统为下一步检测CBCT图像中的慢性根尖周炎奠定了基础.
文献关键词：
人工智能;锥形束计算机断层扫描;深度学习;慢性根尖周炎
中图分类号：
作者姓名：
钱军;马芮;曲妍;邓少纯;段瑶;左飞飞;王亚杰;毋育伟
作者机构：
北京大学口腔医学院·口腔医院第二门诊部国家口腔疾病临床医学研究中心口腔数字化医疗技术和材料国家工程实验室,北京100020;首都医科大学附属北京康复医院口腔科,北京100144;北京朗视仪器股份有限公司,北京100084
文献出处：
引用格式：
[1]钱军;马芮;曲妍;邓少纯;段瑶;左飞飞;王亚杰;毋育伟-.人工智能在锥形束计算机断层扫描影像中识别慢性根尖周炎根尖区病变的应用)[J].华西口腔医学杂志,2022(05):576-581
A类：
Materialize
B类：
锥形束计算机断层扫描,慢性根尖周炎,根尖区,神经网络算法,计算机辅助诊断系统,CBCT,口腔医院,二门,门诊部,牙根,总计,牙位,中级职称,临床医生,Mimics,Medical,区域识别,逐层,Net,交联,IOU,Dice,像素,PA,测试集,临床医师,研究深度,深度学习方法
AB值：
0.224366
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。
