J Dent Res:AI预测CAD/CAM复合树脂冠的分离
2019-08-07 lishiting MedSci原创
目前为止,还未有预防冠分离的有效方法,并且极度需要一项可以改善计算机辅助设计/计算机辅助制作(CAD/CAM)复合树脂(CR)冠存留率的方法。这篇研究的目的是为了评估卷积神经网络(CNN)深度学习法从一个3D口腔扫描仪获取的3维(3D)立体光刻模型捕获的2维影像中预测CAD/CAM CR冠可能分离与否的有效性。
目前为止,还未有预防冠分离的有效方法,并且极度需要一项可以改善计算机辅助设计/计算机辅助制作(CAD/CAM)复合树脂(CR)冠存留率的方法。这篇研究的目的是为了评估卷积神经网络(CNN)深度学习法从一个3D口腔扫描仪获取的3维(3D)立体光刻模型捕获的2维影像中预测CAD/CAM CR冠可能分离与否的有效性。所有CAD/CAM CR冠的制作均是在大阪大学口腔医院修复科(Ethical Review Board at Osaka University, approval H27-E11)于2014年4月至2015年11月间完成。数据共包含24例病例:12个已知的无障碍和12个分离病例。将8,640个影像随机分为6,480个有效影像和2,160个测试影像。采用CNN深度学习法研发一种可预测分离可能性的学习模型。对测试影像评估学习模型的预测准确性、精确性、恢复、F-测量、受者作用特征和曲线下面积。也检测测试影像在预测期间的平均计算时间。结果显示,CNN深度学习法预测分离可能性的准确性、精确性、恢复和F-测量值分别为98.5%, 97.0%, 100%和0.985。2,160个测试影像的平均
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#CAM#
57
#复合树脂#
73
#树脂#
95