基于MobileNetV2的多标签牙科疾病诊断和使用袋装组合分类器的swin变压器
Yasmin M Alsakar1, Naira Elazab1, Nermeen Nader1
1Information Technology Department, Faculty of Computers and Information, Mansoura University, Mansoura, 35516, Dakahlia, Egypt.
Scientific reports
|October 25, 2024
概括
这项研究引入了一个人工智能系统,用于使用X射线图像进行早期牙科疾病诊断. 机器学习模型准确地检测和分类口腔疾病,改善患者的治疗结果.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 牙疾病显著影响全球健康,造成疼痛并影响日常生活.
- 手动诊断口腔疾病是劳动密集型的,需要专家评估.
- 自动化系统可以提高牙科疾病的早期检测和治疗计划.
研究的目的:
- 开发和评估一种基于机器学习的新型系统,用于使用X射线成像进行牙科疾病自动诊断.
- 与手动方法相比,提高牙科疾病检测的准确性和效率.
主要方法:
- 一种双流深度学习方法,将Swin Transformer和MobileNetV2结合起来,从牙科X射线中提取特征.
- 图像预处理技术包括规范化和适应性直方图平衡.
- 一个袋装组合分类器,用于可靠地分类牙异常.
主要成果:
- 拟议的系统实现了高性能指标:95.7%的精度,95.4%的灵敏度,95.7%的特异性,95.5%的子得分,95.6%的准确度.
- 集成Swin变压器和MobileNetV2的混合模型超过了现有的最先进的方法.
- 通过全景X射线图像对牙科疾病进行分类的有效性得到证明.
结论:
- 开发的AI框架为自动诊断牙科疾病提供了强大而准确的方法.
- 该系统有望帮助牙医在早期疾病识别和治疗规划方面发挥作用.
- 集成先进的深度学习架构增强了牙科的诊断能力.
