利用深度学习方法测量牙槽骨水平
图像与视频处理
2021-09-28 v1 计算机视觉与模式识别
机器学习
摘要
目的：旨在使用深度卷积神经网络测量根尖片牙槽骨水平以辅助牙周诊断。材料与方法：通过集成三个分割网络（骨区域、牙齿、釉牙骨质界）与图像分析开发了一个深度学习（DL）模型，以测量放射学骨水平并判定放射学骨丧失（RBL）分期。计算RBL百分比以确定每颗牙齿的RBL分期。依据2018年牙周炎分类给出初步牙周诊断。将RBL百分比、分期与假定诊断与独立检查者的测量及诊断进行比较。结果：分割的平均Dice相似系数（DSC）超过0.91。DL与检查者测得的RBL百分比无显著差异（p=0.65）。I、II、III期RBL分期的受试者工作特征曲线下面积分别为0.89、0.90与0.90。病例诊断准确率为0.85。结论：所提DL模型利用根尖放射图像提供了可靠的RBL测量与基于图像的牙周诊断。然而，该模型需以更大量图像进一步优化与验证以促进其应用。
引用
@article{arxiv.2109.12115,
title = {Use of the Deep Learning Approach to Measure Alveolar Bone Level},
author = {Chun-Teh Lee and Tanjida Kabir and Jiman Nelson and Sally Sheng and Hsiu-Wan Meng and Thomas E. Van Dyke and Muhammad F. Walji and Xiaoqian Jiang and Shayan Shams},
journal= {arXiv preprint arXiv:2109.12115},
year = {2021}
}
备注
Word count: 3485; Number of figures: 4; tables: 2; references: 34