对于关节关节病的深度学习:系统性审查和元分析
Rata Rokhshad1, Hossein Mohammad-Rahimi1,2, Fatemeh Sohrabniya1
1Topic Group Dental Diagnostics and Digital Dentistry, ITU/WHO Focus Group AI on Health, Berlin, Germany.
Journal of oral rehabilitation
|May 17, 2024
概括
深度学习模型在诊断 temporomandibular joint (TMJ) 关节病时表现出高准确性,为临床实践中增强诊断能力提供客观测量.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 诊断的准确性 诊断的准确性
背景情况:
- 尽管已经确立了标准,但对关疾病 (TMD) 的准确诊断仍然具有挑战性.
- 深度学习 (DL) 在诊断关节 (TMJ) 关节病的应用正在越来越多地被探索.
研究的目的:
- 系统地审查TMJ关节病的深度学习模型的应用和诊断效果.
- 评估DL模型在检测和分类关节性和关节性TMD中的性能.
主要方法:
- 在主要数据库 (PubMed,Scopus等) 进行系统的文献搜索. 在2023年6月之前.
- 与参考标准相比,包括评估TMJ关节病诊断的DL模型的研究.
- 使用QUADAS-2进行质量评估,对聚合数据进行元分析,并评估出版偏差.
主要成果:
- 包括21项研究,其中4项显示偏差风险低.
- 单个研究的准确性在74%至100%之间;聚合灵敏度为95%,特异性为92%.
- 分析表明,高聚合的诊断准确度 (AUC 97%) 没有显著的出版偏差.
结论:
- 深度学习模型对检测TMJ关节病变具有很高的灵敏度和特异性.
- 这种方法为临床医生提供了一个客观的,基于证据的框架,以提高TMD的诊断准确性.
- DL促进了先进的分析,使专家和非专家在面部疼痛评估中受益.
