In terms of sensitivity and specifi

In terms of sensitivity and specificity assessment reveal that our technique is effective for the segmentation as the gingival and labial teeth, which obtains a low error percentage. Since our proposed technique takes advantage of k-means clustering algorithm helps to definitely classify the gingival from labial teeth that the segmentation result is better than the other methods of thresholding.

ผลลัพธ์ (ไทย) 1:

ในแง่ของความไวและความ ประเมินเปิดเผยว่า เรามีผลในการแบ่งฟันเหงือก และ labial ที่ได้รับเปอร์เซ็นต์ผิดพลาดต่ำ เนื่องจากเทคนิคการนำเสนอของเราใช้ประโยชน์จาก k-หมายถึงคลัสเตอร์ อัลกอริทึมช่วยในการจัดแน่นอนว่า ผลลัพธ์ที่แบ่งกลุ่มจะดีกว่าวิธีการอื่น ๆ ของ thresholding labial ฟันเหงือก

ผลลัพธ์ (ไทย) 2:

ในแง่ของความไวความจำเพาะและการประเมินผลการศึกษาพบว่าเทคนิคของเราคือการที่มีประสิทธิภาพสำหรับการแบ่งส่วนเป็นเหงือกและฟันริมฝีปากซึ่งได้รับร้อยละข้อผิดพลาดต่ำ ตั้งแต่เทคนิคที่นำเสนอของเราจะได้ประโยชน์จาก K-หมายถึงขั้นตอนวิธีการจัดกลุ่มจะช่วยให้แน่นอนจำแนกเหงือกจากฟันริมฝีปากที่ผลการแบ่งส่วนจะดีกว่าวิธีการอื่น ๆ ของการกำหนดเกณฑ์ขั้นต่ำ

ผลลัพธ์ (ไทย) 3:

ในแง่ของความไวและความจำเพาะ เปิดเผยว่า การประเมินเทคนิคของเรามีประสิทธิภาพสำหรับการแบ่งส่วนที่ฟันและเหงือกริมฝีปากซึ่งได้รับข้อผิดพลาดน้อยค่า ตั้งแต่เทคนิคที่นำเสนอใช้ประโยชน์ของ k-means การจัดกลุ่มขั้นตอนวิธีช่วยแน่นอนแยกเหงือกจากฟันด้านริมฝีปาก ที่ผลการตัดได้ดีกว่าวิธีการอื่น ๆของการปรับ .