神经网络模型用于从临床口腔图像中诊断复发性口腔
R Raja Subramanian1, R Raja Sudharsan2, Bavithra Vairamuthu1
1Kalasalingam Academy of Research and Education, Virudhunagar, India.
Scientific reports
|August 12, 2025
概括
研究人员开发了UlcerNet-2,一种使用卷积神经网络 (CNN) 的人工智能 (AI) 模型,用于分类口腔的阶段. 这种人工智能工具实现了96%的准确性,显示了改善口腔的临床诊断的潜力.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 人工智能在医学中的应用
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 口腔是轻微创伤造成的,传统上通过体检来诊断.
- 精确的口腔的分期对于有效的治疗和管理至关重要.
- 当前的诊断方法可能是主观的,耗时的.
研究的目的:
- 开发和评估一个先进的口腔阶段的分类模型,使用深度学习.
- 为了比较定制卷积神经网络 (CNN) 模型对口腔的分类的性能.
- 确定优化器和激活函数的最佳配置,以提高诊断准确度.
主要方法:
- 开发并测试了三个定制的CNN模型,用于口腔的分期.
- 探索了各种优化器 (例如RMSprop) 和激活功能 (例如Softmax,SELU).
- 在FogBus云框架上实现了最佳性能模型 (UlcerNet-2),用于性能评估.
主要成果:
- UlcerNet-2在分类口腔的阶段方面实现了96%的验证准确性.
- 该模型展示了准确性,精确性和回忆力的强烈平衡.
- 带有Softmax和SELU激活功能的RMSprop优化器提供了最佳性能.
结论:
- UlcerNet-2显示出作为口腔的先进诊断工具的巨大潜力.
- 人工智能模型可以增强临床实践,检测和分期口腔.
- 需要进一步的研究和验证,以将这种AI工具集成到临床工作流程中.
