國立虎尾科技大學 |

登入

回首頁

基於深度學習之上顎第二顆大臼齒牙根融合半自動辨識系統 = = Semi-...

吳宏文

基於深度學習之上顎第二顆大臼齒牙根融合半自動辨識系統 = = Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	基於深度學習之上顎第二顆大臼齒牙根融合半自動辨識系統 =/ 吳宏文.
其他題名:	Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning /
其他題名:	Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning.
作者:	吳宏文
出版者:	雲林縣 :國立虎尾科技大學 , : 民113.07.,
面頁冊數:	[6], 21面 :圖, 表 ; : 30公分.;
附註:	指導教授: 郭永明.
標題:	root fusion. -
電子資源:	電子資源

基於深度學習之上顎第二顆大臼齒牙根融合半自動辨識系統 = = Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning /
吳宏文

基於深度學習之上顎第二顆大臼齒牙根融合半自動辨識系統 =Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning /Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning.吳宏文. - 初版. - 雲林縣 :國立虎尾科技大學 ,民113.07. - [6], 21面 :圖, 表 ;30公分.

指導教授: 郭永明.

碩士論文--國立虎尾科技大學電子工程系碩士班.

含參考書目.

在牙科治療領域中，對牙根形態的精確認識扮演著關鍵角色。特別是對於上顎第二大臼齒，由於其位置的特殊性以及形態的變異性，牙周病治療、假牙製作及根管治療等方面的難度顯著增加。如果能在手術前預先瞭解其牙根融合和解剖結構的變異，將大大促進治療過程的順利進行並提高成功率。面對此類複雜病例時，臨床醫師常借助錐束狀電腦斷層掃描(CBCT)來獲取精確的牙齒結構資訊，此技術在根管結構研究中也被廣泛運用。近年來，計算機輔助診斷領域的發展使得訓練有素的人工智慧(AI)在臨床診斷中提供了更高的準確度。然而，在牙科領域，有關計算機輔助診斷的研究仍相對不足。本文旨在收集 CBCT 影像，以此進行計算機輔助診斷的人工智慧訓練，半自動偵測病患的牙根融合形態特徵。我們將開發出一套系統，協助臨床醫師更加精準地解讀 CBCT 中的牙根資訊。.

(平裝)Subjects--Topical Terms:

1451622
root fusion.

基於深度學習之上顎第二顆大臼齒牙根融合半自動辨識系統 = = Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning /
LDR:03183cam a2200241 i 4500 001 1130027
008 241015s2024 ch ak erm 000 0 chi d
035 $a (THES)112NYPI0428024
040 $a NFU $b chi $c NFU $e CCR
041 0 # $a chi $b chi $b eng
084 $a 008.160M $b 2630 113 $2 ncsclt
100 1 $a 吳宏文 $3 1449059
245 1 0 $a 基於深度學習之上顎第二顆大臼齒牙根融合半自動辨識系統 = $b Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning / $c 吳宏文.
246 1 1 $a Semi-Automatic Recognition System for Maxillary Second Molar Root Fusion Based on Deep Learning.
250 $a 初版.
260 # $a 雲林縣 : $b 國立虎尾科技大學 , $c 民113.07.
300 $a [6], 21面 : $b 圖, 表 ; $c 30公分.
500 $a 指導教授: 郭永明.
500 $a 學年度: 112.
502 $a 碩士論文--國立虎尾科技大學電子工程系碩士班.
504 $a 含參考書目.
520 3 $a 在牙科治療領域中，對牙根形態的精確認識扮演著關鍵角色。特別是對於上顎第二大臼齒，由於其位置的特殊性以及形態的變異性，牙周病治療、假牙製作及根管治療等方面的難度顯著增加。如果能在手術前預先瞭解其牙根融合和解剖結構的變異，將大大促進治療過程的順利進行並提高成功率。面對此類複雜病例時，臨床醫師常借助錐束狀電腦斷層掃描(CBCT)來獲取精確的牙齒結構資訊，此技術在根管結構研究中也被廣泛運用。近年來，計算機輔助診斷領域的發展使得訓練有素的人工智慧(AI)在臨床診斷中提供了更高的準確度。然而，在牙科領域，有關計算機輔助診斷的研究仍相對不足。本文旨在收集 CBCT 影像，以此進行計算機輔助診斷的人工智慧訓練，半自動偵測病患的牙根融合形態特徵。我們將開發出一套系統，協助臨床醫師更加精準地解讀 CBCT 中的牙根資訊。.
520 3 $a In the field of dental treatment, accurate understanding of root morphology plays a crucial role. This is especially true for the maxillary second molar, where the complexity is significantly increased due to its unique position and morphological variations. If the variations in root fusion and anatomical structure can be understood prior to surgery, it will greatly facilitate the treatment process and improve success rates. For such complex cases, clinicians often rely on Cone-Beam Computed Tomography (CBCT) to obtain precise information about the tooth structure, a technique widely used in endodontic research. In recent years, the development of Computer-Aided detection has enabled well-trained Artificial Intelligence (AI) to provide higher accuracy in clinical diagnosis. However, research on computer-aided detection in the field of dentistry remains relatively insufficient. This study aims to collect CBCT images for AI training in computer-aided detection to semi-automatically detect the root fusion morphological characteristics of patients. We will develop a system to assist clinicians in more accurately interpreting root information in CBCT scans..
563 $a (平裝)
650 # 4 $a root fusion. $3 1451622
650 # 4 $a artificial neural network. $3 1419341
650 # 4 $a deep learning. $3 1218309
650 # 4 $a machine learning. $3 995918
650 # 4 $a artificial intelligence. $3 1348385
650 # 4 $a 牙根融合. $3 1451621
650 # 4 $a 類神經網路. $3 995635
650 # 4 $a 深度學習. $3 1127425
650 # 4 $a 機器學習. $3 995923
650 # 7 $a 人工智慧. $2 lcstt $3 833500
856 7 # $u https://handle.ncl.edu.tw/11296/86sq9a $z 電子資源 $2 http