Studies in health technology and informatics · 2024
Temporomandibular Joint Disorders Multi-Class Classification Using Deep Learning.
СтатьяНазвание и аннотация: Перевод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Thanathornwong Bhornsawan, Treebupachatsakul Treesukon, Teechot Thitirat, Poomrittigul Suvit, Warin Kritsasith, Suebnukarn Siriwan
Аннотация
Temporomandibular joint (TMJ) disorders have been misinterpreted by various normal TMJ features leading to treatment failure. This study assessed deep learning algorithms, DenseNet-121 and InceptionV3, for multi-class classification of TMJ normal variations and disorders in 1,710 panoramic radiographs. The overall accuracy of DenseNet-121 and InceptionV3 were 0.99 and 0.95, respectively. The AUC from 0.99 to 1.00, indicating high performance for TMJ disorders classification in panoramic radiographs.