MedElevator Войти в исследования
← Поиск публикаций

DOI 10.3233/shti231261

Медицинская библиотека · Studies in health technology and informatics · 2024

Temporomandibular Joint Disorders Multi-Class Classification Using Deep Learning.

Thanathornwong Bhornsawan, Treebupachatsakul Treesukon, Teechot Thitirat, Poomrittigul Suvit, Warin Kritsasith, Suebnukarn Siriwan

СтатьяПеревод пока не подготовлен

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.

Для цитирования: Thanathornwong Bhornsawan, Treebupachatsakul Treesukon, Teechot Thitirat, Poomrittigul Suvit, Warin Kritsasith, Suebnukarn Siriwan. Temporomandibular Joint Disorders Multi-Class Classification Using Deep Learning.. Studies in health technology and informatics. 2024. DOI: 10.3233/shti231261.

Предметные рубрики MeSH

HumansDeep LearningAlgorithmsTemporomandibular Joint Disorders
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

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.

Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.