基于图形用户界面的卷积神经网络模型,用于使用全景放射学检测鼻腔管囊

科学领域:

• 牙科 牙科是指牙科的专业.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 鼻腔管囊通常会因为图像障碍而错过全景放射图.
• 准确检测这些囊对于及时的临床干预至关重要.

研究的目的:

• 开发一种训练有素的模型,使用全景放射学检测鼻腔管囊.
• 实现这个模型在一个用户友好的图形界面内用于临床应用.

主要方法:

• 使用了来自115名鼻腔管囊瘤患者和230名对照者的全景放射和CT图像数据集.
• 深度学习模型 (预训练-LeNet和VGG16) 在345张预处理的全景射线图上接受训练.
• 模型性能是根据准确性,灵敏性和特异性进行评估的.

主要成果:

• 乐网模型的准确度达到85.3%.
• VGG16模型的准确率达到了88.0%.
• 这两种模型都显示出可靠的囊检测潜力.

结论:

• 一种简单的深度学习方法可以有效地训练一个模型从全景放射图中检测鼻腔管囊.
• 这种由人工智能驱动的工具可以帮助临床医生预防这些囊被忽视的诊断.
• 开发的系统为提高牙科成像诊断灵敏度提供了实用解决方案.