通过使用深 convolutional 神经网络在全景放射图上自动检测和分类鼻腔管囊和周围囊
Han-Sol Lee1, Su Yang2, Ji-Yong Han3
1Department of Oral and Maxillofacial Radiology and Dental Research Institute, School of Dentistry, Seoul National University, Seoul, South Korea.
Oral surgery, oral medicine, oral pathology and oral radiology
|December 29, 2023
概括
一个深层卷积神经网络 (DCNN) 在全景放射图上准确地检测和分类了鼻腔管囊 (NPDC) 和周围囊 (PAC),表现优于一般牙医. 这种人工智能方法在诊断这些常见的口腔病变方面显示出临床应用的前景.
科学领域:
- 口腔和面放射学 口腔和面放射学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 鼻腔管囊 (NPDC) 和周围囊 (PAC) 是常见的囊.
- 在全景射线图上准确检测和分类对于及时治疗至关重要.
- 当前的诊断方法可能受到主观解释的限制.
研究的目的:
- 评估一个深层卷积神经网络 (DCNN) 来检测和分类NPDC和PAC.
- 为了比较DCNN与一般牙医 (GPs) 的表现.
- 评估AI在诊断这些囊方面的潜在临床适用性.
主要方法:
- 使用了1209张带有NPDC和PAC标签的全景射线图.
- 五个DCNN模型 (EfficientDet-D3,更快的R-CNN,YOLO v5,RetinaNet,SSD) 进行了训练和测试.
- 使用平均平均精度 (mAP) 测量性能;进一步将EfficientDet-D3与全科医生进行了比较.
主要成果:
- EfficientDet-D3获得了最高的mAP (93.8%),其次是更快的R-CNN (90.8%) 和YOLO v5 (89.5%).
- 与一般医生相比,EfficientDet-D3的分类性能优于一般医生,准确度为94.4%,灵敏度为94.4%,特异性为97.2%.
- 人工智能模型的诊断能力超过了未经培训的普通牙医.
结论:
- 拟议的DCNN方法在检测和分类NPDC和PAC方面表现出很高的性能.
- 人工智能辅助诊断为临床牙科实践提供了一个有希望的进步.
- 这项技术有可能提高口腔囊的诊断准确性和效率.
