成果展示

隊伍名稱 電到不行
作品名稱 CNN對咬翼片進行病症判斷標記
指導教授 陳世綸
團隊成員 陳昱安、劉昱林、陳宗毅、劉陞宇
作品介紹 「我不想去看牙醫」,一句蛀牙時最常對家長講的一句話,顯示了孩童對於看牙醫的恐懼感,但到了青壯年甚至是中老年還是會因為現代社會的生活步調,不免在口腔衛生及牙齒照顧有所缺失,而導致會有蛀牙、牙周病等等的疾病產生,讓我們需要去醫院診所進行診療,但牙醫診所提供之服務相較於其他醫療體系較為不同,不像一般內科大部分只需要問診後開藥就能完成治療,即使是一般牙科疾病治療都可能需要花費較多的時間,造成病患等待時間提高,所以病徵判斷所花費的時間在這之中扮演了相當關鍵的角色,假使我們能在醫生能在拍攝完咬翼片後先行判斷好病徵,便能變相減少病患及醫生的時間成本,以達到大幅提升醫院之看病效率的目的。 有鑑於上述所提,本作品與林口長庚醫院的三位牙醫師合作,透過醫院提供之咬翼片樣本及其相關資源,共同開發電子、醫學之跨領域合作。此合作計畫將使用類神經網絡-CNN開發出一套自動辨識的程式,縮減牙醫師的判斷時間,同時具有和人工判斷同樣的準確率。在計畫執行上,我們首先需要透過MATLAB程式撰寫,將醫院提供之咬翼片樣本進行處理,先將影像透過濾波器過濾後,處理成黑白的二值化影像,以方便我們利用程式判斷裁切影像的標準,將擁有多個牙齒的咬翼片影像,裁切為單顆牙齒的樣本,上述的步驟都是為了建立在後續的深度學習中訓練時最為重要的DATA BASE,之後便是將其導入我們所設計的模型,經過模型學習後,與醫院提供之數據相對比,探討自動辨識的準確率。 本作品研發成果希望實際應用於現代醫院中,將繁瑣且耗時的判斷程序交由電腦自動進行,改善現在牙醫容易排隊的現況,讓病患能夠減少預約排隊的時間,也讓牙醫生能獲得更多時間專心治療病患的症狀,達到雙贏的結果,我們也希望此作品對於擁有「醫療王國」稱號的台灣,盡上我們作為大學生的一份心力。
照片