在口腔病变中的卷积神经网络错误分类分析:根据图像特征的错误评估标准
Rita Fabiane Teixeira Gomes1, Jean Schmith2, Rodrigo Marques de Figueiredo2
1Department of Oral Pathology, Faculdade de Odontologia-Federal University of Rio Grande do Sul-UFRGS, Porto Alegre, Brazil.
Oral surgery, oral medicine, oral pathology and oral radiology
|December 31, 2023
概括
卷积神经网络 (CNN) 显示出对口腔病变进行分类的潜力. 在CNN分类中的错误与图像质量和数据增强有关,突出显示了自动诊断工具需要改进的领域.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 口腔病理学 口腔病理学
背景情况:
- 使用卷积神经网络 (CNN) 进行口腔病变的自动分类是一个新兴领域.
- 了解CNN错误模式对于提高口腔医学诊断准确度至关重要.
研究的目的:
- 从CNN模型中分析错误,根据临床特征对口腔病变进行分类.
- 在CNN的中间层中识别系统错误模式.
主要方法:
- 在口腔损伤图像上对CNN模型的分类错误进行了回顾性分析.
- 在之前的试验中嵌入的横截面分析.
- 检查了116个错误分类的输出 (占图像总量的7.6%).
主要成果:
- 差异与图像的清晰度,分辨率和焦点有关.
- 人类错误和数据增强的影响显著影响了分类准确性.
- 定性分析证实了图像质量和数据增强的影响.
结论:
- 图像质量和数据增强是影响CNN在口腔病变分类中的表现的关键因素.
- 了解CNN的决策因素可以增强对其诊断潜力的信心.
- 对CNN模型的进一步改进可以改善自动口腔病变诊断.
更多相关视频
13:44Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
Published on: August 30, 2013
42.9K
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.3K
