在口腔皮细胞学中使用机器学习对核参数的自动化分析
Shubhangi Mhaske1,2, Karthikeyan Ramalingam1, Preeti Nair3
1Oral Pathology and Microbiology, Saveetha Dental College and Hospitals, Saveetha Institute of Medical and Technical Sciences, Saveetha University, Chennai, IND.
Cureus
|May 23, 2024
概括
人工智能 (AI) 通过在皮细胞学中分析核参数,帮助诊断口腔癌. 卷积神经网络 (CNN) 和支持向量机器 (SVM) 模型显示,早期检测和改善患者的结果是有前途的.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 细胞病理学 细胞病理学
背景情况:
- 口腔癌是一个重要的全球健康问题,需要先进的诊断工具.
- 非侵入性方法,如皮细胞学,正在引起人们的兴趣,尤其是在人工智能集成方面.
研究的目的:
- 利用机器学习进行口腔皮细胞学中核参数的自动分析.
- 为了比较卷积神经网络 (CNN) 和支持矢量机器 (SVM) 人工智能系统的诊断准确度.
主要方法:
- 一项涉及60名患者的比较诊断研究 (对照组30名,有疑似口腔恶性瘤的30名).
- 皮细胞学涂抹被收集,染色,并使用AI进行分析.
- 使用SPSS软件进行了图像预处理,特征提取和模型评估.
主要成果:
- 核大小,形状和染色质分布在两组之间存在显著差异 (p<0.05到p<0.001).
- 与支持矢量机 (SVM) 模型 (0.6472) 相比,卷积神经网络 (CNN) 模型实现了更高的精度 (0.7790).
结论:
- 人工智能,特别是深度学习架构,在瘤学研究中越来越重要.
- CNN和SVM模型的诊断准确性表明,可以改善早期口腔癌检测的潜力.
- 提升早期检测可以带来更好的患者结果和医疗保健实践.
