目的:基于深度学习开发用于正畸图像数据自动分类的多分类正畸图像识别模型，为正畸图像数据管理提供参考。方法:收集2020年10至11月和2021年6至7月首都医科大学口腔医学院正畸科采集的35 000张正畸临床图像，图像全部来自于490例正畸治疗患者，男女性别比例为49∶51，年龄范围为4~45岁。根据纳入及排除标准进行数据清洗，最终纳入数据集中的图像数据包括面像17 453张（包括正面像、正面微笑像、右侧90°面像、左侧90°面像、右侧45°面像和左侧45°面像）、口内像8 026张［包括正面
像、右侧
像、左侧
像、上颌
面像（原始）、上颌
面像（翻转后）、下颌
面像（原始）、下颌
面像（翻转后）、覆
覆盖像］、X线片4 115张［包括头颅侧位X线片（左侧）、头颅侧位X线片（右侧）、头颅正位X线片、曲面体层X线片以及手腕骨X线片］、其他非正畸图像684张。由正畸专业博士研究生、副主任医师、主任医师共同组成标注团队，使用图像标注工具对正畸图像进行分类标注。图像类别包括6类面像、8类口内像、5类X线片以及其他图像，共计20种分类标签。每个标签的数据按8∶1∶1的比例利用Pthyon计算机语言中的Random函数随机分为训练集、验证集和测试集，使用改进的Squee
作者：王少烽；谢贤聚；张莉；常荍；左飞飞；王亚杰；白玉兴
来源：中华口腔医学杂志 2023 年 58卷 6期
