基于迁移学习和模型融合的龋齿检测
摘 要：龋齿是口腔医学领域的常见病和多发病，及时检测龋齿可以防止龋齿进一步恶化。智能医学辅助诊断的发展使计算机辅助医生进行龋齿筛查成为可能。本文提出一种基于迁移学习和模型融合技术的龋齿检测网络(MDfuseNet)，该网络使用改进的DenseNet121 和MobileNetV2 作为分支特征提取网络，利用模型融合技术将分支特征提取网络提取到的特征融合在一起，使网络可以学习到更多的图像特征，提高检测准确度。实验将梯度加权类激活图(Grad-CAM)技术与MDfuseNet 结合在一起进行特征可视化，生成网络关注区域，确定病灶发生点。共收集了3 250张临床根尖周X 线片图像，用于构建和检测龋齿分类模型，模型准确率达到97.08%，性能优于子特征提取模型。实验结果表明，MDfuseNet 可以结合分支特征提取网络优势，有效地对根尖周X 线片进行学习，在帮助医生进行龋齿辅助诊断上有着巨大的潜力。
论文下载：