相关实验视频
Updated: May 3, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
用牙X射线图像检测病的多种深度网络的性能比较
Shunv Ying1, Feng Huang2, Xiaoting Shen1
1Stomatology Hospital, School of Stomatology, Zhejiang University School of Medicine, Clinical Research Center for Oral Diseases of Zhejiang Province, Key Laboratory of Oral Biomedical Research of Zhejiang Province, Cancer Center of Zhejiang University, Hangzhou, 310006, China.
Journal of dentistry
|March 31, 2024
概括
与其他深度学习模型相比,YOLOv5在从X射线图像中检测牙损伤方面表现出卓越的性能. 这些人工智能工具显示出有潜力帮助牙医诊断.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 深度学习应用程序
背景情况:
- 深度网络越来越多地被用于使用X射线图像进行牙损伤诊断.
- 不同深度网络用于虫检测的比较性能仍然不清楚.
研究的目的:
- 为了全面比较最近深度网络的虫检测性能.
- 将这些网络与临床牙医的诊断能力进行评估.
主要方法:
- 四个深度网络 (YOLOv5,DETR,UNet,Trans-UNet) 在周围放射数据集上进行了评估.
- 分析了性能指标 (精度,灵敏度,特异性,F1分数,尤登指数).
- 结果与五位牙医的诊断进行了比较.
主要成果:
- YOLOv5获得了最高的F1得分 (0.87) 和尤登指数 (0.76).
- 所有调查的深度网络都显示了与黄金标准的适度一致.
- 深度网络和牙医之间没有发现显著的绩效差异 (p > 0.05).
结论:
- 由于其高性能指标,YOLOv5被推作为虫检测的优先深度网络.
- 训练有素的深度网络可以作为牙医在病诊断中的宝贵辅助工具.

