TY -的A2 Ranaldi西蒙盟——Majanga文森特盟——Viriri Serestina PY - 2021 DA - 2021/12/14 TI -牙科图像的阈值分割使用连接成分分析SP - 2921508六世- 2021 AB -最新进展在医学图像分析中,特别是深度学习的使用,帮助识别、检测、分类、评估和量化模式片。这些进步的中心是能够探索数据从分层特性表示。深入学习是无法评价成为最寻求技术,从而导致增强的性能在医疗应用程序和系统的分析。深度学习技术都取得了极大的性能结果牙科图像分割。分割的牙片是一个关键的一步,帮助牙医诊断龋齿。然而这些深层网络的性能受制于各种具有挑战性的牙齿腐烂的病变特征。成为牙科图像分割困难由于各种不同的拓扑结构,错综复杂的医疗结构,和贫穷所造成的图像质量低对比度、噪音、不规则,边缘和模糊边界,导致失败的分割。牙是基于阈值分割方法和连接成分分析。使用高斯模糊图像预处理滤波器消除噪声和损坏的像素。图像增强使用腐蚀和膨胀形态学操作。 Finally, segmentation is done through thresholding, and connected components are identified to extract the Region of Interest (ROI) of the teeth. The method was evaluated on an augmented dataset of 11,114 dental images. It was trained with 10 090 training set images and tested on 1024 testing set images. The proposed method gave results of 93年 % 分别对精度和召回值。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/2921508 - 10.1155 / 2021/2921508摩根富林明计算智力和神经科学PB - Hindawi KW - ER