融合从深度学习中提取的特征用于识别牙科全景成像中的多个定位错误
Hsin-Yueh Su1, Shang-Ting Hsieh2, Kun-Zhe Tsai3
1Department of Radiology, Hualien Armed Forces General Hospital, Hualien County, Taiwan.
Journal of X-ray science and technology
|October 16, 2023
概括
使用支持矢量机 (SVM) 分类器的深度学习模型准确地识别了牙科全景成像中的多个定位错误,提高了诊断精度和效率.
科学领域:
- 医疗成像医学成像
- 人工智能在牙科中的应用
- 机器学习应用 机器学习应用
背景情况:
- 牙科全景成像对于诊断和治疗计划至关重要.
- 在全景成像中,患者定位错误会降低图像质量,导致误诊.
- 由于设备的复杂性和解剖学变异,准确的患者定位在技术上具有挑战性.
研究的目的:
- 开发和验证一个深度学习模型,以准确有效地识别牙科全景成像中的多个定位错误.
- 通过自动错误检测来提高牙科全景成像的诊断准确性和效率.
主要方法:
- 一项使用552张牙科全景图像的回顾性研究.
- 开发六个卷积神经网络 (CNN) 模型用于特征提取,然后使用转移学习进行特征融合.
- 实现一个支持向量机 (SVM) 分类器与六个二进制的SVM识别六个定义的定位错误 (倾斜的位置,下巴倾斜低,张开的嘴唇,头转,头倾斜,舌头与 palates).
主要成果:
- 图像特征与六个二进制SVM分类器的融合在识别多个定位错误方面表现出高性能.
- 开发的分类器在检测各种定位错误时实现了0.832的整体准确度.
- 该系统在实验评估中显示出高精度和回忆率.
结论:
- 该研究成功地证明了SVM分类器在识别牙科全景成像中的多个定位错误方面的有效性.
- 功能融合和SVM分类器的整合提高了诊断精度,并建议提高牙科成像效率.
- 未来的研究应该专注于更大的数据集和实时临床应用,以实现更广泛的实施.
