良性和恶性口腔损伤图像分类使用微调转移学习技术
Md Monirul Islam1, K M Rafiqul Alam2, Jia Uddin3
1Department of Software Engineering, Daffodil International University, Daffodil Smart City (DSC), Birulia, Savar, Dhaka 1216, Bangladesh.
Diagnostics (Basel, Switzerland)
|November 14, 2023
概括
像VGG19和MobileNet这样的深度学习模型在从图像中识别口腔病变时实现了100%的准确性. 这些先进的算法显示出对自动口腔疾病检测和诊断的巨大希望.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 口腔病理学 口腔病理学
背景情况:
- 口腔病变是口腔疾病的常见指标,需要及时检测才能有效治疗.
- 使用深度学习进行口腔病变的自动检测显示出显著的潜力.
研究的目的:
- 利用基于深度学习的图像分类算法来识别口腔病变.
- 评估VGG19,DeIT和MobileNet模型在分类口腔病变方面的表现.
主要方法:
- 一组口腔图像的数据集,分为良性和恶性病变,用于模型培训和评估.
- 三种深度学习模型 (VGG19,DeIT,MobileNet) 用于图像分类.
主要成果:
- VGG19和MobileNet模型在识别口腔病变方面实现了100%的准确率.
- 该DeIT模型显示了98.73%的高准确率.
结论:
- 深度学习算法在自动检测口腔病变方面非常有效.
- VGG19和MobileNet模型特别适用于口腔损伤分类任务,提供高精度和可靠性.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
