-
公开(公告)号:CN112037913B
公开(公告)日:2022-08-30
申请号:CN202010966941.6
申请日:2020-09-15
Applicant: 南昌大学 , 南昌大学第二附属医院
IPC: G16H50/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , A61B5/00
Abstract: 本发明属于智能检测技术领域,公开了一种基于卷积神经网络的牙周炎智能检测方法及系统,获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据;并对获取的图像数据进行筛选、预处理;将预处理后的图像分为训练集、测试集以及验证集,并输入构建的卷积神经网络进行训练、验证;对训练的卷积神经网络的参数进行优化,对优化后的卷积神经网络进行预测,检测卷积神经网络的准确度;利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片,使牙周病诊断趋于同质化;本发明阅片快速,高效;本发明通过计算机数据判读X线的变化,提高牙周病诊断的效率和准确率,降低医疗成本,易于向基层推广。
-
公开(公告)号:CN112037913A
公开(公告)日:2020-12-04
申请号:CN202010966941.6
申请日:2020-09-15
Applicant: 南昌大学 , 南昌大学第二附属医院
Abstract: 本发明属于智能检测技术领域,公开了一种基于卷积神经网络的牙周炎智能检测方法及系统,获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据;并对获取的图像数据进行筛选、预处理;将预处理后的图像分为训练集、测试集以及验证集,并输入构建的卷积神经网络进行训练、验证;对训练的卷积神经网络的参数进行优化,对优化后的卷积神经网络进行预测,检测卷积神经网络的准确度;利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片,使牙周病诊断趋于同质化;本发明阅片快速,高效;本发明通过计算机数据判读X线的变化,提高牙周病诊断的效率和准确率,降低医疗成本,易于向基层推广。
-