走向牙科诊断系统:将波波变换与生成对抗网络进行协同,以增强图像数据融合
Abdullah A Al-Haddad1, Luttfi A Al-Haddad2, Sinan A Al-Haddad3
1College of Dentistry, University of Baghdad, Baghdad, Iraq.
Computers in biology and medicine
|October 3, 2024
概括
这项研究引入了使用离散波形变换 (DWT) 和生成对抗网络 (GANs) 进行早期儿科牙科疾病检测的先进牙科诊断系统. 这种新的方法实现了高精度,改善了儿童的口腔健康结果.
科学领域:
- 儿科牙科 儿科牙科
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 早期检测牙科疾病对于儿科口腔健康至关重要.
- 目前的诊断系统需要改进,以提高准确性和效率.
- 精确诊断正在改变儿童牙科护理.
研究的目的:
- 开发一种使用图像数据融合 (IDF) 的创新牙科诊断系统.
- 为了提高儿童患者检测牙科疾病的准确性.
- 探索将人工智能驱动的诊断集成到牙科X射线扫描仪中.
主要方法:
- 在图像数据融合 (IDF) 框架内,对离散波形变换 (DWT) 和生成对抗网络 (GAN) 的协同集成.
- 使用DWT进行图像分解以突出显示病理特征和GAN进行数据增强.
- 采用人工神经网络 (ANN) 来从增强的放射图像中对牙科疾病进行分类.
主要成果:
- 实现了0.897的准确率,精度为0.905,回忆率为0.897和特异性为0.968.
- 在牙科全景放射图的信息性方面显著改善.
- 验证了ANN在分类牙科疾病中的稳定性.
结论:
- 该DWT-GANs-IDF框架为儿童牙科疾病诊断提供了一个高度准确的方法.
- 通过轻量级模型和云解决方案集成到牙科X射线扫描仪是可行的.
- 该系统有可能通过实时检测和改善治疗结果来彻底改变牙科护理.


