换一批摘要龋齿是口腔医学领域的常见病和多发病,及时检测龋齿可以防止龋齿进一步恶化.智能医学辅助诊断的发展使计算机辅助医生进行龋齿筛查成为可能.本文提出一种基于迁移学习和模型融合技术的龋齿检测网络(MDfuseNet),该网络使用改进的 DenseNet121 和 MobileNetV2 作为分支特征提取网络,利用模型融合技术将分支特征提取网络提取到的特征融合在一起,使网络可以学习到更多的图像特征,提高检测准确度.实验将梯度加权类激活图(Grad-CAM)技术与 MDfuseNet 结合在一起进行特征可视化,生成网络关注区域,确定病灶发生点.共收集了 3250张临床根尖周 X 线片图像,用于构建和检测龋齿分类模型,模型准确率达到 97.08%,性能优于子特征提取模型.实验结果表明,MDfuseNet 可以结合分支特征提取网络优势,有效地对根尖周 X 线片进行学习,在帮助医生进行龋齿辅助诊断上有着巨大的潜力.
更多相关知识
关键词
龋齿根尖周X线片迁移学习模型融合梯度加权类激活图辅助诊断dental cariesperiapical radiographtransfer learningmodel fusionGrad-CAMaided diagnosis
栏目名称
DOI
10.13364/j.issn.1672-6510.20230017
发布时间
2023-11-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（52378254）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
