一个数据集的顶端牙周炎病变在全景放射图的基于深度学习的分类和检测的数据集
Hoang Viet Do1, Truong Nhu Ngoc Vo1, Phu Thang Nguyen1
1Dentistry School, Hanoi Medical University, Hanoi 010000, Vietnam.
Data in brief
|May 21, 2024
概括
研究人员创建了一个牙科数据集的牙周病变从X射线图训练人工智能模型. 这一数据集有助于开发准确的深度学习工具来检测周围牙周炎.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 周围牙周病变是周围牙周炎的关键指标.
- 在X光照中精确检测周周病变对于诊断和治疗至关重要.
- 深度学习模型需要高质量的注释数据集,以进行有效的培训.
研究的目的:
- 从全景放射图中创建一个关于周周病变的综合数据集.
- 促进开发高效的深度学习模型,用于检测周周病变.
- 为牙科AI研究人员提供一个有价值的资源.
主要方法:
- 从2016年1月到2021年3月收集了16519张全景放射图.
- 三位经验丰富的牙医识别并注释了3,926张带有周周病变的图像.
- 应用数据增强技术,将数据集大小增加到17004张图像.
主要成果:
- 建立了一个精心策划的数据集,包含3,926个注释的周周病变病变.
- 数据增强导致最终的数据集为17004张图像.
- 数据集被组织成原始图像,增强图像和注释.
结论:
- 开发的数据集适合用于训练机器学习模型.
- 这种资源可以显著推进人工智能驱动的周周病变检测领域.
- 促进对周围牙周炎的预测模型的研究.
