메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
변민지 (부산대학교 치의학전문대학원 예방과사회치의학교실) 전은주 (부산대학교 치의학전문대학원 예방과사회치의학교실) 김지수 (전주기전대학 치위생과) 황재준 (부산대학교 치의학전문대학원 영상치의학교실) 정승화 (부산대학교 치의학전문대학원 예방과사회치의학교실)
저널정보
대한예방치과·구강보건학회 대한구강보건학회지 대한구강보건학회지 제45권 제4호
발행연도
2021.12
수록면
227 - 232 (6page)
DOI
https://doi.org/10.11149/jkaoh.2021.45.4.227

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: Diagnosis of dental caries is based on the dentist’s observation and subjective judgment; therefore, a reliable and objective approach for diagnosing caries is required. Intraoral camera images combined with deep learning technology can be a useful tool to diagnose caries. This study aimed to evaluate the accuracy of the VGG-16 convolutional neural network (CNN) model in detecting dental caries in intraoral camera images. Methods: Images were obtained from the Internet and websites using keywords linked to teeth and dental caries. The 670 images that were obtained were categorized by an investigator as either sound (404 sound teeth) or dental caries (266 dental caries), and used in this study. The training and test datasets were divided in the ratio of 7:3 and a four-fold cross validation was performed. The Tensorflow-based Python package Keras was used to train and validate the CNN model. Accuracy,Kappa value, sensitivity, specificity, positive predictive value, negative predictive value, ROC (receiver operating characteristic) curve and AUC (area under curve) values were calculated for the test datasets. Results: The accuracy of the VGG-16 deep learning model for the four datasets, through random sampling, was between 0.77 and 0.81, with 0.81 being the highest. The Kappa value was 0.51-0.60, indicating moderate agreement. The resulting positive predictive values were 0.77-0.82 and negative predictive values were 0.80-0.85. Sensitivity, specificity, and AUC values were 0.66-0.74, 0.81-0.88, and 0.88-0.91, respectively. Conclusions: The VGG-16 CNN model showed good discriminatory performance in detecting dental caries in intraoral camera images. The deep learning model can be beneficial in monitoring dental caries in the population.
#CNN #Convolutional neural network #Deep learning #Dental caries classification #VGG-16

목차

등록된 정보가 없습니다.

참고문헌 (33)

참고문헌 신청
Pitts NB / 2001 / Clinical diagnosis of dental caries : a European perspective / J Dent Educ 65(10):972~978 google schola National Institutes of Health / 2001 / Diagnosis and management of dental caries throughout life / NIH consensus statement 18(1):1~23 google schola Pretty IA / 2006 / Caries detection and diagnosis : novel technologies / J Dent 34(10):727~739 google schola Boye U / 2013 / Comparison of an intra-oral photographic caries assessment with an established visual caries assessment method for use in dental epidemiological studies of children / Community Dentist Oral Epidemiol 41:526~533 google schola Fejerskov O / 2015 / Dental Caries: the Disease and Its Clinical Management / Wiley Blackwell :173~190 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0