経口潜在的悪性疾患（OPMD）の単段階および二段階分類モデルの比較研究

科学分野:

• 医用画像処理
• 人工知能
• 腫瘍学

背景:

• 口腔潜在的悪性疾患（OPMD）および口腔がんの早期診断は、死亡率を低下させるために重要である。
• 口腔粘膜疾患の既存の公開データセットは、サイズと疾患範囲が限られている。
• ディープラーニングは、口腔画像認識と診断の改善に有望である。

研究 の 目的:

• 現在の口腔粘膜疾患データセットの制限に対処する。
• 口腔画像分析のための新しい二段階マルチ分類アプローチを開発および評価する。
• 二段階対単段階分類モデルのパフォーマンスを比較する。

主な方法:

• 1,348件の口腔粘膜疾患画像の高品質データセットが作成され、公開された。
• 10件の事前学習済みディープラーニングモデルが、単段階および二段階分類経路を使用してトレーニングされた。
• モデルのパフォーマンスは、精度、適合率、再現率、F1スコア、およびAUCを使用して評価された。

主要な成果:

• 二段階Swin TransformerおよびDenseNet-169モデルは、0.9029の精度と0.9735のAUCを達成しました。
• 最良の単段階モデル（EfficientNet-B0）は、0.8710の精度と0.9766のAUCを達成しました。
• 二段階モデルは、単段階モデルよりも優れたパフォーマンスを示しました。

結論:

• 1,348件の口腔粘膜疾患画像の公開利用可能な高品質データセットが確立された。
• Swin TransformerとDenseNet-169を統合した新しい二段階分類モデルが提案された。
• 提案された二段階モデルは、主要なパフォーマンス指標において従来の単段階モデルよりも優れたパフォーマンスを示した。