| 作品介紹 |
本作品聚焦於兒童混合齒列之齲齒自動化診斷系統開發，針對乳牙與恆牙交錯所造成的影像重疊與病徵判讀困難，提出一套整合影像分割、增強處理與深度學習分類的完整流程。考量幼童齒列結構的特殊性與臨床診斷需求，本研究與桃園長庚醫院合作，蒐集並標註 749 張兒童根尖片與 560 張成人影像樣本作為模型訓練與驗證資料，為確保標註資料的準確性與一致性，每張影像均由三位具備至少三年臨床經驗的口腔醫學專家進行人工標記。
本系統採用 YOLOv8 進行單顆牙齒的分割，並同步辨識乳牙、牙套與根管治療狀態與齲齒，除齲齒外分割與多類別辨識準確率皆超過 99%。在影像預處理階段結合灰階對比度調整、自適應二值化與形態學運算技術，有效提升齲齒邊緣清晰度，使病徵特徵更加明顯，最終齲齒診斷準確率達 93.9%，已達臨床應用標準，YOLO 架構的端到端偵測特性，有助於提升系統在即時診斷上的效率，減少人工標註與判讀的時間負擔，為臨床提供高效且可擴充的輔助工具。
為提升實務應用性，本作品亦設計直觀易懂的圖形化操作介面，提供使用者便捷操作流程，上傳影像後，系統可自動完成牙齒分割、病徵辨識與分類，並自動匯出診斷結果至 Excel 檔案，可作為電子病歷格式，支援日後病例管理與追蹤分析。
此系統特別適用於醫療院所進行快速初步篩檢，亦可應用於偏鄉或資源有限地區的口腔健康照護，減輕醫師判讀負擔，提升診療效率與精準度，具高度潛力與高臨床價值。 |