Diagnosis of Pulpitis from Dental Panoramic Radiograph Using Histogram of Gradients with Discrete Wavelet Transform and Multilevel Neural Network Techniques
Notice bibliographique
Résumé
Radiograph plays the major role of diagnosis, treatment and surgery in the Dental field. There are many types of Intra and extra oral radiographs in which Dental Panoramic Radiograph helps in visualising the full view of the oral cavity. Pulpitis is the dental diseases caused due to the inflammation of the dental pulp from untreated caries, trauma or multiple restorations which leads to Apical Periodontitis. To predict the severity of pulp vitality pulp inflammation has to be evaluated. Radiographs helps the dentist in diagnosing the extent of tooth decay and inflammation. An automatic diagnostic model is proposed using robust algorithms to diagnose pulpits. Dental Panoramic Radiograph is used in the proposed research to diagnose the pulpitis and to classify the normal teeth from the pulpitis. The collected images are pre-processed using Histogram Equalization and filtered using Gaussian and Median filters. Modified K-Means algorithm is applied to segment the bony and teeth area from the oral cavity area. Integral Histogram of Gradients with Discrete Wavelet Transform feature extraction techniques and Multi-Layer Neural Network Classifier is proposed to achieve the accuracy of 91.09% which can be used as an assistive tool by the dentist to diagnose pulpitis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».