دانلود مقاله انگلیسی رایگان:شناسایی خودکار انسان از رادیوگرافی دندانپزشکی پانوراما با استفاده از شبکه عصبی کانولوشن - 2020
بلافاصله پس از پرداخت دانلود کنید 2
دانلود مقاله انگلیسی حقوق خصوصی رایگان
  • Automatic human identification from panoramic dental radiographs using the convolutional neural network Automatic human identification from panoramic dental radiographs using the convolutional neural network
    Automatic human identification from panoramic dental radiographs using the convolutional neural network

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Automatic human identification from panoramic dental radiographs using the convolutional neural network


    ترجمه فارسی عنوان مقاله:

    شناسایی خودکار انسان از رادیوگرافی دندانپزشکی پانوراما با استفاده از شبکه عصبی کانولوشن


    منبع:

    Sciencedirect - Elsevier - Forensic Science International, 314 (2020) 110416. doi:10.1016/j.forsciint.2020.110416


    نویسنده:

    Fei Fana,1, Wenchi Keb,1, Wei Wua, Xuemei Tianc, Tu Lyuc, Yuanyuan Liud, Peixi Liaoe, Xinhua Daia, Hu Chenb,*, Zhenhua Denga


    چکیده انگلیسی:

    Human identification is an important task in mass disaster and criminal investigations. Although several automatic dental identification systems have been proposed, accurate and fast identification from panoramic dental radiographs (PDRs) remains a challenging issue. In this study, an automatic human identification system (DENT-net) was developed using the customized convolutional neural network (CNN). The DENT-net was trained on 15,369 PDRs from 6300 individuals. The PDRs were preprocessed by affine transformation and histogram equalization. The DENT-net took 128  128  7 square patches as input, including the whole PDR and six details extracted from the PDR. Using the DENT-net, the feature extraction took around 10 milliseconds per image and the running time for retrieval was 33.03 milliseconds in a 2000-individual database, promising an application on larger databases. The visualization of CNN showed that the teeth, maxilla, and mandible all contributed to human identification. The DENT-net achieved Rank-1 accuracy of 85.16% and Rank-5 accuracy of 97.74% for human identification. The present results demonstrated that human identification can be achieved from PDRs by CNN with high accuracy and speed. The present system can be used without any special equipment or knowledge to generate the candidate images. While the final decision should be made by human specialists in practice. It is expected to aid human identification in mass disaster and criminal investigation
    Keywords: Forensic odontology | Human identification | Panoramic dental radiographs | Deep learning | Convolutional neural network


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    حجم فایل: 2464 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi