優先度の高い口腔および上面CBCTスキャンのトリアージのための3Dコンボリューションニューラルネットワークの開発

科学分野:

• 口腔および面放射線学
• 医療における人工知能
• 医学画像分析 医学画像分析

背景:

• 円線コンピュータトモグラフィー (CBCT) は,口腔およびマキシロ顔面疾患の診断に不可欠です.
• CBCTスキャンの効率的なトライアージングは,タイムリーな患者管理に不可欠です.
• 自動化されたシステムの開発は,複雑な医療画像の解釈のためのワークフローを改善することができます.

研究 の 目的:

• 口腔およびマキシロ顔面CBCTスキャンのためのニューラルネットワークベースのトリアージシステムを開発および評価する.
• 緊急の注意を必要とする優先度の高いスキャンと,日常的な症例を区別する.
• CBCTイメージングにおける重要な発見を特定するためのAIツールを確立する.

主な方法:

• 200の口腔および面CBCTスキャンが遡って収集され,高優先 (グループA) とルーティン (グループB) のコホートに分類されました.
• PythonとKerasを使用して2つの3Dコンボリューションニューラルネットワーク (3D-CNN) モデルが開発され,修正されたVGG-16アーキテクチャ (モデル2) も含まれています.
• モデルは70%のトレーニングセットで訓練され,30%のセットで検証され,データ増強,Adam最適化器,早期停止を使用し,ROC-AUC,精度,精度,リコール,F1スコアでパフォーマンスを評価しました.

主要な成果:

• 両方の3D-CNNモデルは,優先度の高いCBCTスキャンを区別する優れたパフォーマンスを示しました.
• 改造されたVGG-16アーキテクチャに基づくモデル2は,検証セットで0.918のわずかに高い平均ROC-AUCを達成しました.
• モデル2はトレーニング中に高い精度 (0.960) と精度 (0.962) を達成し,堅実なパフォーマンスを示しました.

結論:

• 3D-CNNモデルが開発され,口腔およびマキシロ顔面CBCTスキャンを正確にトリアージすることができました.
• このAIシステムは,優先度の高い症例を特定し,潜在的に診断効率を向上させることを約束しています.
• この研究は,3D-CNNsを口腔およびマキシロ顔面CBCTスキャンの自動トリアージに初めて適用したものです.