一种加权分数融合的牙科X线病变分类方法

摘要

根尖周X线片是诊断龋病和根尖周炎常用手段之一，传统的诊断方式通常依赖牙医的经验，主观性较强.针对这一问题，本文提出了一种基于混合注意力机制和加权分数融合的分类方法(DenseNet201-PCAM).该方法以DenseNet201为基线网络，结合迁移学习策略使网络在小数据集上有更好的表现；通过引入混合注意力机制提高模型对局部特征信息的关注程度，并采用可视化方式呈现出所关注区域.在预测阶段，通过加权分数融合策略进一步提高了模型的分类表现.最后，在1838张根尖周X线片中，所提出方法的分类准确率、特异性和F1指数分别达到了93.41%、96.61%和93.65%,相较于基线网络分别提升了4.62%、2.33%和4.52%.实验结果表明，所提出模型可以有效的实现龋病和根尖周炎的分类.

关键词

卷积神经网络 / 混合注意力 / 加权分数融合 / 迁移学习 / 根尖周X线片

基金资助

上海市自然科学基金项目(18ZR1426900)资助