典型文献
基于口内数码照图像深度学习的牙周病早期筛查研究
文献摘要：
目的:基于卷积神经网络(convolutional neural network,CNN)的深度学习技术构建人工智能(artificial in-telligence,AI)牙周病早筛模型,辅助非牙周医生对牙周病进行早期筛查.方法:收集南昌大学第二附属医院口腔医学诊疗中心就诊的牙周非健康人群以及牙周健康人群的口内数码照和临床资料.基于VGG-16结构对口内数码照图像进行训练和测试,建立口腔九宫格、正位咬合、正位咬合(剔除无效背景)3种训练集模型.结果:共收集到578位研究对象的3869张口内数码照图像,其中牙周健康图像2230张,牙周非健康图像1639张.采用VGG-16结构建立3种训练集模型,对九宫格口内数码照、正位咬合口内数码照、正位咬合(剔除无效背景)口内数码照预测的准确度分别为66.62％、64.66％、77.44％,曲线下面积(area under curve,AUC)值分别为0.651、0.767、0.784.结论:本研究构建的VGG-16模型能有效通过对口内数码照图像识别,辅助非牙周医生对牙周病进行早筛.
文献关键词：
卷积神经网络;牙周病;深度学习;人工智能
中图分类号：
作者姓名：
朱红标;刘强冬;曾子强;娄伟明;戴芳;吴婧婷;邓恬;邓立彬;宋莉
作者机构：
南昌大学第二附属医院口腔医学诊疗中心 江西南昌 330006;南昌大学牙周病研究所 江西南昌 330006;南昌大学公共卫生学院 江西南昌 330006;江西省预防医学重点实验室 江西南昌 330006
文献出处：
引用格式：
[1]朱红标;刘强冬;曾子强;娄伟明;戴芳;吴婧婷;邓恬;邓立彬;宋莉-.基于口内数码照图像深度学习的牙周病早期筛查研究)[J].口腔医学研究,2022(11):1092-1095
A类：
B类：
口内,数码,图像深度学习,牙周病,早期筛查,convolutional,neural,network,深度学习技术,技术构建,artificial,telligence,南昌大学,口腔医学,诊疗中心,健康人群,牙周健康,VGG,对口,九宫格,正位,咬合,训练集,共收,张口,合口,area,under,curve,研究构建,图像识别
AB值：
0.282557
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。
