深度学习放射学在口腔状细胞癌中的应用-利用先进的特征分析从医学图像中提取更多信息
Chenxi Li1, Xinya Chen2, Cheng Chen3
1Oncological Department of Oral and Maxillofacial Surgery, the First Affiliated Hospital of Xinjiang Medical University, School / Hospital of Stomatology. Urumqi 830054, PR China; Stomatological Research Institute of Xinjiang Uygur Autonomous Region. Urumqi 830054, PR China; Hubei Province Key Laboratory of Oral and Maxillofacial Development and Regeneration, School of Stomatology, Tongji Medical College, Union Hospital, Huazhong University of Science and Technology, Wuhan 430022, PR China.
Journal of stomatology, oral and maxillofacial surgery
|March 28, 2024
概括
深度学习放射学在诊断口腔状细胞癌 (OSCC) 中显示出高准确性,聚合灵敏度为0.88和特异性为0.80. 本次审查强调了其在OSCC医疗成像中的潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 口腔状细胞癌 (OSCC) 是一个重要的全球健康问题.
- 准确和早期诊断OSCC对于有效的治疗和改善患者的结果至关重要.
- 深度学习放射学为分析癌症检测医疗图像提供了一种新的方法.
研究的目的:
- 系统地审查和对OSCC中深度学习放射学应用的现有文献进行元分析.
- 评估深度学习放射学对OSCC的诊断性能.
- 总结目前的进展,局限性和深度学习放射学在OSCC医学成像中的未来方向.
主要方法:
- 在PubMed,科学网络,EMbase,Ovid-MEDLINE和IEEE (2012-2023) 进行系统的文献搜索.
- 使用ROBINS-I工具进行质量评估,并使用随机效应模型进行元分析.
- 报告遵守PRISMA声明的情况.
主要成果:
- 包括26项研究,包括64,731张医学图像.
- 聚合灵敏度:0.88 (95% CI:0.870.88). 综合灵敏度:0.88 (95% CI:0.870.88) 聚合灵敏度:0.88 (95% CI:0.870.88) 聚合灵敏度:0.88 (95% CI:0.870.88) 聚合灵敏度:0.88 (95% CI:0.870.88) 聚合灵敏度:0.88 (95% CI:0.88) 聚合灵敏度:0.88
- 集中的特异性:0.80 (95% CI:0.800.81).
- 检测到轻微的出版偏差 (迪克斯的不对称性测试,P = 0.03).
结论:
- 深度学习放射学在OSCC诊断,差异诊断,疗效评估和预后预测方面展示了有希望的功能.
- 鉴定了医学成像诊断中深度学习放射学目前的局限性.
- 概述了未来的研究方向,以加强OSCC成像中的深度学习放射学.
