塔利亚·耶舒亚
问题陈述：全景成像经常用于在单个图像中展示口腔颌面部结构，从而最大限度地减少患者不适和低辐射剂量。然而，目前还没有生成全景成像的特定射线照相报告的普遍做法。人工智能的使用可能有助于生成这样的报告，这将进一步促进患者管理和沟通。方法和理论方向：支持向量机 (SVM) 算法用于在全景图像中映射牙齿修复体。分析了 83 幅全景匿名图像。这些图像总共包含738个牙齿修复体，分为8类，即补牙、牙冠、根管治疗和种植体。计算机视觉算法，开发了基于自适应阈值的自动分割修复体，具有高射线不透性。然后，该算法提取表征每个分段修复体的轮廓和纹理的数值特征向量。使用这些向量，训练 SVM 算法，根据表征每种修复体类型的独特特征对修复体进行分类。使用交叉验证方法评估分类性能。结果：该算法对 1305 个结果进行了分割，包括 738 个牙齿修复体中的 698 个 (94.6%) 和其他不透射线区域，这些区域被错误地分割。在 SVM 分类之后，所有这些不透射线区域都没有显示在图像上，因为它们被正确分类为错误标记。然而，少数修复体也被归类为假标记，因此算法最终显示了90.6%的修复体。显示的牙齿修复体被正确分类为 8 个不同类别，总体准确率为 93.6%。结论与意义：基于全景图像中每种类型牙齿修复体独特的形状和灰度分布特征，