首页> 外文期刊>Стоматология >Цефалометрический анализ рентгенологических снимков боковой проекции черепа с помощью компонентов мягких вычислений в поиске ключевых точек.
【24h】

Цефалометрический анализ рентгенологических снимков боковой проекции черепа с помощью компонентов мягких вычислений в поиске ключевых точек.

机译:使用软计算组件对侧颅骨 X 射线图像进行头影测量分析,以寻找关键点。

获取原文
获取原文并翻译 | 示例

摘要

Цель исследования. Оценка эффективности расшифровки телерентгенологических исследований с использованием алгоритма, основанного на применении сверточных нейронных сетей - простой сверточной архитектуры, а также расширенной архитектуры U-Net. Материал и методы. Для проведения эксперимента подготовлен набор данных тремя врачами-ортодонтами с опытом клинической работы более 10 лет. Каждым из врачей было обработано по 100 рентгенологических снимков боковой проекции головы по 27 параметрам, произведено 2700 измерений. Координаты опорных точек, найденные специалистами на снимках, сравнивались между собой. Результаты. Результаты работы простой полностью сверточной нейронной сети были признаны неудовлетворительными по 17 (62,96) параметрам, удовлетворительными - по 10 (37,04). Работа врачей-специалистов оценена как неудовлетворительная в 6 (22,22) координатах, удовлетворительная - в 8 (29,63), хорошая - в8 (29,63), отличная -в 5 (18,52). Нейронная сеть с архитектурой U-Net в 9 (33,3) случаях дала удовлетворительные результаты, в 16 (59,3) -хорошие, в 2 (7,4) - отличные, при этом неудовлетворительных получено не было. Заключение. Нейронная сеть архитектуры U-Net эффективнее простой полностью сверточной нейронной сети и ее результаты определения анатомических ориентиров на двухмерных изображениях головы относительно сопоставимы с данными, полученными врачами-специалистами.
机译:目的。使用基于卷积神经网络的算法(简单的卷积架构以及先进的 U-Net 架构)评估解码远程放射学检查的效率。材料和方法。在实验中,由三位具有 10 年以上临床经验的正畸医生准备了一组数据集。每位医生根据100参数处理了27头部横向投影的X射线图像,进行了2700次测量。将专家在图像中发现的控制点的坐标相互比较。结果。简单全卷积神经网络的工作结果在17个(62.96%)参数上不令人满意,在10个(37.04%)参数上令人满意。医学专家的工作在6个坐标中被评为不满意(22.22%),在8个坐标中被评为满意(29.63%),在8个坐标中被评为满意,在5个坐标中评为优秀(18.52%)。U-Net架构的神经网络在9例(33.3%)中取得了满意的结果,在16例(59.3%)中取得了良好的结果,在2例(7.4%)的情况下取得了优异的结果,没有获得不满意的结果。结论。U-Net神经网络比简单的卷积神经网络更有效,其在确定头部二维图像上的解剖标志的结果与医学专家获得的结果相对可比。

著录项

获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号