TY - JOUR A2 - Abdulhay, Enas AU - Wang, Xueling AU -孟，Xianmin AU - Yan，蜀PY - 2021 DA - 2021/09/21 TI -深上优于Cone-Beam计算机断层扫描图像的图像分割口腔病变检测SP - 4603475六世- 2021 AB -本文旨在研究采用深度学习(DL)算法分割的口腔病变Cone-Beam计算机断层扫描(CBCT)图像。以90例口腔病变患者为研究对象，将其分为空白组、对照组和实验组，分别采用手工分割法、阈值分割算法和全卷积神经网络(FCNN) DL算法对其图像进行处理。然后分析了不同方法对口腔病变CBCT图像识别和分割的影响。结果显示，三组不同类型口腔病变患者数量无显著差异( P > 0．05 )。实验组病灶分割准确率高达98.3%，空白组为78.4%，对照组为62.1%。空白组和对照组的CBCT图像分割精度明显低于实验组( P < 0．05 )。实验组和对照组对病灶及病灶模型的分割效果明显优于空白组( P < 0．05 )。总之，FCNN DL方法的图像分割精度优于传统的人工分割和阈值分割算法。将DL分割算法应用于口腔病变CBCT图像，可以准确识别和分割病变。SN - 2040-2295 UR - https://doi.org/10.1155/2021/4603475 DO - 10.1155/2021/4603475 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -