换一批摘要目的 提高种植体品牌的智能识别准确率,为种植体品牌识别分类提供理论参考依据.方法 选择2024年4月至12月莆田学院附属医院口腔医学中心及北京大学口腔医院的300张口腔根尖X线片,对影像中种植体的类别和位置信息进行标注,同时获取影像数据,建立种植体品牌数据集.基于TensorFlow框架构建Faster RCNN模型,分析在ResNet50主干网络中引入注意力机制(SE、CBAM、ECA)前后的检测结果.结果 Faster RCNN模型检测的平均检测精度为90.3％、准确率为93.5％、召回率为96.3％、F1分数为94.9％.引入注意力机制后,模型识别能力不同程度的提升.结论 基于Faster RCNN改进的ResNet50主干网络对种植体品牌识别分类具有较好的效果.
更多相关知识
栏目名称
DOI
10.20047/j.issn1673-7210.2025.32.04
发布时间
2025-12-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
福建省自然科学基金资助项目（2024J011465）
莆田学院校院医学科研联合基金项目（2024127）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
