基于深度学习的自动牙列缺损分类研究

• 作者: 赖彦村 柯文驰 廖培希
• 来源期刊: 信息技术
• 关键词: 全景牙科X射线图像 牙列缺损分类 深度神经网络 计算机辅助诊断
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 16-20
• 页数: 5页
• 分类号: TP391.7|TP18
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.08.004

摘要

自动的牙列缺损分类研究对计算机辅助诊断具有重要的意义.文中提出了一种利用深度卷积神经网络从二维全景牙科X射线图像中实现自动准确的牙列缺损分类的方法.该方法基于空间注意力机制和残差网络进行分类网络的设计,提取深度视觉特征信息,使得牙列缺损分类效果具有更高的准确率和鲁棒性.实验证明,该方法能够自动准确地进行牙列缺损的分类,并且牙列缺损的测试分类准确率可达94.52％.