Resumen

Este trabajo tuvo como objetivo estudiar la adopción del algoritmo de aprendizaje profundo (DL) de lesiones orales para la segmentación de imágenes de tomografía computarizada de haz cónico (CBCT). 90 pacientes con lesiones orales fueron tomados como sujetos de investigación, y se agruparon en blanco, control y grupos experimentales, cuyas imágenes fueron tratadas por el método de segmentación manual, algoritmo de segmentación de umbral y algoritmo de DL de red neuronal convolucional completa (FCNN), respectivamente. A continuación, se analizaron los efectos de los distintos métodos en el reconocimiento y la segmentación de imágenes CBCT de lesiones orales. Los resultados mostraron que no había diferencias sustanciales en el número de pacientes con diferentes tipos de lesiones orales entre los tres grupos (P>0,05). La precisión de la segmentación de las lesiones en el grupo experimental fue del 98,3%, mientras que en el grupo en blanco y el grupo de control fue del 78,4% y el 62,1%, respectivamente. y 62,1%, respectivamente. La precisión de la segmentación de las imágenes CBCT en el grupo en blanco y el grupo de control fue considerablemente inferior a la del grupo experimental (P<0,05). El efecto de segmentación sobre la lesión y el modelo de lesión en el grupo experimental y el grupo de control fue evidentemente superior al del grupo en blanco (P<0,05). En resumen, la precisión de segmentación de imágenes del método FCNN DL fue mejor que la de los algoritmos tradicionales de segmentación manual y segmentación por umbral. Aplicando el algoritmo de segmentación DL a imágenes CBCT de lesiones orales se pueden identificar y segmentar con precisión las lesiones.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:lesiones orales, grupo en blanco, grupo de control, grupo experimental, imágenes, segmentación, red neuronal convolucional completa, reconocimiento de imágenes CBCT de lesiones orales, algoritmo de segmentación DL, método FCNN DL
• Keywords:oral lesions, blank group, control group, experimental group, images, segmentation, full convolutional neural network, oral lesion CBCT image recognition, DL segmentation algorithm, FCNN DL method