フォトグラフィック画像を用いた様々な口腔白色病変の分類とオブジェクト検出のためのディープラーニングモデルの性能
Siribang-On Piboonniyom Khovidhunkit1, Kunchidsong Phosri2, Bhornsawan Thanathornwong3
1Department of Advanced General Dentistry, Faculty of Dentistry, Mahidol University, Bangkok, Thailand.
Scientific reports
|August 21, 2025
まとめ
コンピュータビジョンは,潜在的に悪性疾患を特定することによって,口腔の病変の診断を助けます. YOLOv7のような ディープラーニングモデルを使った この技術は 早期発見と 患者の生存率の改善に 寄与しています
科学分野:
- 医療における人工知能
- デジタル病理学
- 口腔医学
背景:
- 口腔の潜在的悪性疾患 (OPMD) の早期発見は,口腔がんのリスクを低減し,患者のアウトカムを改善するために不可欠です.
- コンピュータ・ビジョンは 客観的で効率的な口腔病変診断のための 新しい補助技術を提供します
- 口腔白色病変の分類と検出のための高度なディープラーニングモデルの評価は不可欠です.
研究 の 目的:
- コンピュータビジョン技術,特にディープラーニングモデルの有効性を評価し,写真画像から口腔白色病変を診断する.
- OPMDと非OPMDの分類と検出におけるコンボリューションニューラルネットワーク (CNN),トランスフォーマーネットワーク,YOLOモデルのパフォーマンスを比較する.
- 口腔病変の自動識別とスクリーニングの最も効果的なモデルを特定する.
主な方法:
- CNN,トランスフォーマーニューラルネットワーク (IFormerBase),および1段階のオブジェクト検出モデル (YOLOv7,YOLOv8) を含むディープラーニングモデルを使用した.
- 口腔白色病変の5つのクラスで訓練され,評価されたモデル:口腔白血球症,口腔平症,偽膜性カンジダ症,偽膜性口腔潰瘍,その他の良性白色病変.
- 精度,精度,F1スコア,平均精度 (mAP) のようなメトリクスを用いてモデルのパフォーマンスを評価します.
主要な成果:
- IFormerBaseモデルは優れた分類性能を示し,テストセットで精度,精度,F1スコアが80%を超えました.
- YOLOv7は,0.3のIOU値で84.5%,0.5のIOU値で74.5%のmAPで,最も高いオブジェクト検出性能を達成しました.
- この研究は,様々な白色口腔病変の正確な分類と検出のためのディープラーニングの可能性を確認しました.
結論:
- 先進的なディープラーニングで コンピュータービジョンは 口腔病変の診断の 補助的なツールとして 重要な可能性を秘めています
- 開発されたモデル,特に分類のためのIFormerBaseと検出のためのYOLOv7は,強化された口腔がんスクリーニングシステムの基盤を提供します.
- 口腔病変の自動識別のさらなる開発は,口腔腫瘍学の早期発見率と患者の生存率を改善することができます.
