使用深度强化学习的自动头脑测量地标检测
Woojae Hong1, Seong-Min Kim1, Joongyeon Choi1
1Department of Biomechatronic Engineering, Sungkyunkwan University, Suwon, Gyeonggi.
The Journal of craniofacial surgery
|August 25, 2023
概括
本研究介绍了深度Q网络 (DQN) 和双深度Q网络 (DDQN) 用于自动化脑测量地标检测. 这些强化学习方法达到临床上接受的准确性,显示出在牙科分析中实际使用的潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 精确的脑力测量地标检测对于牙科分析,诊断和手术规划至关重要.
- 现有的自动化方法有局限性,强化学习还没有应用于此任务.
- 这项研究开创了深度Q网络 (DQN) 和双深度Q网络 (DDQN) 为此目的的应用.
研究的目的:
- 应用和评估深度Q网络 (DQN) 和双深度Q网络 (DDQN) 用于自动化脑测地标检测.
- 用现有方法比较基于DQN的网络的性能.
- 评估这些新方法的临床适用性.
主要方法:
- 实施深度Q网络 (DQN) 和双深度Q网络 (DDQN) 算法用于地标检测.
- 使用IEEE生物医学成像国际研讨会 (ISBI) 2015挑战数据集进行评估.
- 在500名患者的临床数据集上进行验证.
主要成果:
- 基于DQN的网络实现了19个地标的平均半径误差低于2毫米,符合临床标准.
- 没有数据增强或预处理,DQN方法表现出高准确度.
- 在500名患者的临床数据集上,DQN和DDQN方法在2毫米范围内分别实现了67.33%和66.04%的成功检测率.
结论:
- 深度Q网络 (DQN) 和双深度Q网络 (DDQN) 是有效的自动头脑测量地标检测.
- 这些强化学习方法证明了牙科临床应用的可行性和潜力.
- 这些方法在没有大量数据预处理的情况下实现了临床接受的准确性.
