| 作品介紹 |
根據2023年世界衛生組織的報告，全球口腔疾病患者逐年增加，近半數集中於中低收入國家，許多人無法獲得口腔疾病的預防與治療服務。根尖病灶與牙周病變是牙科常見問題，因缺乏明顯症狀，患者常無法及時察覺，導致感染擴大並可能需拔牙。根尖病灶是由細菌侵入牙齒根尖發炎引起，途徑包括齲齒、創傷等。牙周病變則由牙菌斑積聚引起，可導致牙齦和牙根分離。根尖病灶合併牙周流失包含兩者，顯著影響牙齒預後。早期發現對於及時干預和預防進一步併發症至關重要。為解決上述問題，開發根尖病灶與牙周流失的影像分析偵測系統，利用卷積神經網絡（CNN）、YOLO物件偵測、影像分割及影像強化技術，基於根尖片進行遷移學習，提升對兩種病徵的檢測與分類準確性，從而促進精準治療的實現。通過提高診斷效率與準確度、減少誤診和延誤治療，進而提升患者滿意度、降低病痛與成本，並促進口腔健康的早期偵測與治療。
【貢獻】
(1)相較於使用YOLOv8進行物件偵測，根尖病灶的影像辨識以CNN表現更佳，其F1-Score達到92.45%。
(2)本作品新提出根尖病灶合併牙周流失的病徵，CNN的F1-Score最佳達到96.49%，而YOLOv8為88.49%。
(3)經過資料擴增與自適應直方圖均衡化處理的影像，以CNN模型中的ConvNextv2驗證準確率最高，達到95.23%。
【功能與特色】
本作品結合 YOLOv8 物件偵測模型、定向邊界框（OBB）技術、多種影像強化技術及六種不同的 CNN 模型，實現自動化的根尖片影像分析，能夠自動偵測、切割和分析影像。經實驗驗證，在辨識根尖病灶及根尖病灶合併牙周流失方面具備超過 90% 的準確率。此外，圖形使用者介面（GUI）操作簡便，提供多樣化的影像處理模式、模型選擇、預測結果展示及多格式匯出功能。
【創新與實用性】
符合聯合國永續發展目標（SDGs）第3項「良好健康與福祉」，推動口腔健康產業的創新，提升臨床診療效率，協助醫生更有效地診治病患。在創新商業應用上，系統可通過B2B模式向口腔診所、醫院及健康機構提供技術服務與產品，亦可通過B2C模式為個人病患提供線上AI辨識服務。同時，結合大數據分析，對口腔病徵進行深度分析與預測，提供精準診斷與治療建議，並建立智能化的口腔健康檔案與管理系統，實現實時監測與個性化健康管理。 |