-
题名错颌畸形的自动化诊断方法
- 1
-
-
作者
蒋晓彤
刘小峰
-
机构
河海大学信息科学与工程学院
河海大学人工智能与自动化学院
-
出处
《电子测量与仪器学报》
北大核心
2025年第4期105-113,共9页
-
基金
国家自然科学基金(62276090,62406102,62476079)
江苏省重点研发计划(BZ2024061)项目资助。
-
文摘
针对目前传统的错颌畸形诊断的主观性强、效率低等问题,设计了一种基于图神经网络(GNN)的错颌畸形自动化诊断方法GraphTeeth。GraphTeeth结合了图神经网络的架构优势,能够有效捕捉牙齿及其周围结构的拓扑信息。通过将牙齿的位置、形态以及相互关系建模为图结构,利用节点间的消息传递机制学习到更加精细的局部特征和全局特征。在实验阶段,使用了包含各类错颌畸形病例的大型数据集来训练和测试GraphTeeth。实验结果显示,GraphTeeth在关键性能指标上显著优于现有的目标检测方法。在平均精确率均值(mAP)指标上,GraphTeeth达到了43.45%,相较于传统的目标检测算法如Mask R-CNN的32.26%、EfficientDet的38.73%和DETR的25.05%有显著提高。此外,对于特定类型的错颌畸形--如固定矫治器的配戴--GraphTeeth的准确率高达91.28%,而对于健康牙齿的识别率则达到了83.91%。结果表明,GraphTeeth能够提供更快、更准确、更客观的诊断,为正畸治疗提供可靠支持。
-
关键词
错颌畸形
自动化检测
图神经网络
图卷积网络
深度学习
-
Keywords
malocclusion
automated detection
graph neural networks
graph convolutional networks
deep learning
-
分类号
TH3914.41
[机械工程—机械制造及自动化]
TN91
[电子电信—通信与信息系统]
-
