Исследование сравнительной эффективности компьютерного зрения и нейросетевых подходов при диагностике кариеса

Abstract

Цель работы – сравнительное исследование эффективности классических алгоритмов компьютерного зрения и нейросетевых подходов для автоматического обнаружения кариеса на изображениях зубов с последующей реализацией в мобильном приложении. В процессе работы сформирован и вручную верифицирован сбалансированный датасет из 2374 изображений зубов (1187 с кариесом, 1187 здоровых). Реализованы два подхода: классический алгоритм на основе анализа чёрных пятен (OpenCV) и нейросетевая модель EfficientNetB0 с трансферным обучением. Проведён сравнительный анализ по метрикам точности, полноты, F1-меры и AUC-ROC.Нейросетевая модель достигла точности 80,6% на валидационнойвыборке (precision 94%, recall 88%, AUC 0,84). OpenCV-алгоритм показалточность 60,1% при высокой скорости работы. Разработано мобильное приложение ToothCheck для платформы Android на языке Kotlin с использованием Jetpack Compose, CameraX и OpenCV, интегрирующее оба метода анализа. Приложение позволяет пользователю сделать снимок на камеру или выбрать фото