在牙科图像上对牙周炎的阶段进行分类的深度学习:系统审查和元分析
Xin Li1, Dan Zhao2, Jinxuan Xie1
1School of Public Health, National Institute for Data Science in Health and Medicine, Capital Medical University, Beijing, China.
BMC oral health
|December 20, 2023
概括
深度学习 (DL) 算法在分类常见的口腔疾病牙周炎方面表现出高准确性. 这项技术可以通过提高分类一致性和减少工作量来帮助牙科专业人员.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 牙周炎是一种普遍的口腔疾病,严重影响患者的生活质量.
- 准确和有效的牙周炎分类对于有效的患者管理至关重要.
- 深度学习 (DL) 是一种新兴技术,在牙科诊断中具有潜在的应用.
研究的目的:
- 系统地审查和评估用于牙周炎分类的DL算法的应用和准确性.
- 评估DL模型在识别牙周炎的诊断性能.
主要方法:
- 在主要数据库中进行了全面的文献搜索,截至2023年11月.
- 研究选择采用了包含/排除标准,使用GRADE和QUADAS-2工具进行了质量评估.
- 使用随机效应模型进行了诊断测试准确性的元分析,计算了聚合的灵敏度,特异性,概率比率和诊断几率比率.
主要成果:
- 在元分析中包括了13项研究,其中一个异常值被排除在外.
- 聚合灵敏度为0.88 (95%CI为0.82-0.92) 和聚合特异性为0.82 (95%CI为0.72-0.89).
- 总结接收器操作特征 (SROC) 曲线下的面积为0.92 (95%CI 0.89-0.94),表明诊断精度高.
结论:
- 基于深度学习的牙周炎分类显示出高准确度.
- 对于未来的牙科临床应用,DL方法充满希望.
- 使用DL可能会减少牙科专业人员的工作量,并提高分类一致性.
