表面質感分析とSVMモデリングによる良性および悪性口腔病変の区別

科学分野:

• 生物医学画像分析
• コンピューター病理学
• 口腔腫瘍診断

背景:

• 口腔粘膜の病変は,有効な治療のために,良性型と悪性型を正確に区別する必要があります.
• 主観的な臨床評価を補完するために客観的な診断パラメータが必要です.

研究 の 目的:

• 良性と悪性のある口腔病変を区別するために,臨床画像から表面質感の特徴の診断の可能性を評価する.
• これらのテクスチャー機能を使用して,サポートベクトルマシン (SVM) モデルの分類パフォーマンスを検証します.

主な方法:

• 275枚の口内粘膜損傷の写真から 灰色の質感を抽出しました
• 8つの統計的記述子 (例えば,エントロピー,クルトーシス,変数係数) を計算し,それらを正規化した.
• ガウスのカーネルSVMモデルを訓練した 傷害分類の5倍クロス検証

主要な成果:

• 良性病変と悪性病変 (p < 0. 001) の間で,質感の特徴 (歪みを除く) で有意な差異が見つかりました.
• エントロピーとクルトーシスは,最も大きな効果サイズを示し,病変の種類を区別しました.
• SVMモデルは全体的に90. 5%の精度,99. 2%の感度,81. 4%の特異性,および0. 939のAUCを達成しました.

結論:

• 表面の質感の特徴,特にエントロピーとクルトーシスは,悪性と良性のある口腔病変を区別するための有望な客観的な指標です.
• SVM分類器は堅実な性能を示し,口腔がんスクリーニングのためのAIベースの診断ツールに表面地形を統合する可能性を強調しました.