深度学习模型的性能评估,用于牙科植入物的分类和识别
Hyun-Jun Kong1, Jin-Yong Yoo2, Jun-Hyeok Lee3
1Assistant Professor, Department of Prosthodontics, School of Dentistry, Wonkwang University, Iksan, Republic of Korea.
The Journal of prosthetic dentistry
|September 7, 2023
概括
这项研究表明,物体检测深度学习模型可以准确地分类牙植入物设计. 使用图像处理和生成对抗网络的改进进一步提高了识别植入物类型的分类准确性.
科学领域:
- 人工智能在牙科中的应用
- 对于医学成像的深度学习
- 对象检测模型的模型
背景情况:
- 建立了用于牙科植入物分类的深度学习.
- 对于植入物设计识别的物体检测模型缺乏全面的准确性调查.
研究的目的:
- 评估对象检测深度学习模型在分类103种牙科植入物设计中的性能.
- 评估模型在不同植入物三分之一 (冠状,中间,角) 的准确性.
主要方法:
- 从全景放射图片中提取了14037张植入物图像.
- 利用你只看一次 (YOLO) 版本5和7算法进行模型训练和评估.
- 通过图像处理和生成对抗网络应用数据增强以提高准确性.
主要成果:
- 在三个交叉验证数据集中,YOLOv7的平均精度 (mAP) 比YOLOv5高.
- 图像处理和生成对抗网络显著改善了mAP,达到0.988.8.
- 该模型在分类26个植入物设计类别方面表现出高准确性.
结论:
- 对象检测模型在分类牙植入物设计方面表现出高准确度.
- 模型性能受到算法选择,图像处理技术和植入物设计复杂性的影响.
