换一批摘要目的:临床收集全冠脱落与未脱落病例石膏模型数据集,使用深度学习模型来预测全冠脱落的风险.方法:临床上收集全冠脱落与未脱落的病例石膏模型,通过口腔扫描仪获得的三维图像生成的二维图像作为数据集,数据集包括20个病例,10个脱落病例以及10个未脱落病例,共16920张图像被随机分配为16200张训练集、360张测试集及360张验证集,比较CNN、ResNet50和EfficientNetB0 3种模型性能.结果:3种模型的准确率、精确率、F 测量值以及 AUC 的值分别为 0.995、0.957、0.885;0.993、0.962、0.901;0.991、0.952、0.879;0.999、0.997、0.992.结论:CNN、ResNet50及EfficientNetB0中CNN预测全冠修复体脱落的性能最佳.
更多相关知识
关键词
机器学习深度学习卷积神经网络人工智能全冠修复体可视化分析卷积块注意力模块Machine learningDeep learningConvolutional neural networkArtificial intelligenceFull crown resto-rationData visualization analysisConvolutional block attention module(CBAM)
分类号
R783.3（口腔矫形学）
栏目名称
DOI
10.3969/j.issn.1003-1634.2025.05.009
发布时间
2025-06-06（万方平台首次上网日期，不代表论文的发表时间）
- 浏览6
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
