使用全景 X 射线图像对牙科疾病进行分类的高级深度学习技术
计算机视觉与模式识别
2025-09-01 v1 机器学习
摘要
本研究探讨了深度学习方法用于全景 X 射线图像中牙科疾病的自动分类。使用包含 1,512 项放射线图像和 11,137 项专家验证标注的 dataset，覆盖四类疾病：填料、龋齿、植体和嵌入牙。经预处理和类别平衡处理后，评估了三种方法：自定义卷积神经网络（CNN）、将 CNN 特征提取与传统分类器组合的混合模型，以及微调的预训练架构。实验采用 5 折交叉验证，评估指标包括准确率、精确率、召回率和 F1 分数。混合 CNN Random Forest 模型取得最高性能，准确率为 85.4%，显著优于自定义 CNN 基线的 74.3%。在预训练模型中，VGG16 最佳，准确率为 82.3%，其后为 Xception 和 ResNet50。结果表明，混合模型在区分形态相似的疾病方面具有优势，提供了高效可靠的性能。这一发现表明，将 CNN 基于特征提取与集成分类器相结合为自动牙科诊断提供了实用路径，同时也凸显了需要更大数据集和进一步临床验证的必要性。
引用
@article{arxiv.2508.21088,
title = {Advanced Deep Learning Techniques for Classifying Dental Conditions Using Panoramic X-Ray Images},
author = {Alireza Golkarieh and Kiana Kiashemshaki and Sajjad Rezvani Boroujeni},
journal= {arXiv preprint arXiv:2508.21088},
year = {2025}
}
备注
14 pages, 8 figures, 8 tables