利用深度学习进行口腔病变的自动检测:一个多中心研究
Yong-Jin Ye1, Ying Han2, Yang Liu2
1Division of Mechanics, Beijing Computational Science Research Center, Building 9, East Zone, No.10 East Xibeiwang Road, Haidian District, Beijing 100193, China.
Oral oncology
|June 4, 2024
概括
一个新的基于YOLOX的AI模型准确地检测口腔病变,如口腔平坦菌 (OLP),口腔白血病 (OLK) 和口腔状细胞癌 (OSCC). 这种人工智能工具的性能优于经验丰富的专家,并通过移动应用程序帮助牙医进行诊断.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 口腔病理学诊断 口腔病理学诊断
背景情况:
- 口腔病变,包括口腔平坦 (OLP),口腔白血病 (OLK) 和口腔状细胞癌 (OSCC),需要准确和及时的诊断.
- 早期发现口腔病变对于有效治疗和改善患者的治疗结果至关重要.
- 现有的诊断方法可能是主观的,可能会从客观的AI驱动的支持中受益.
研究的目的:
- 开发和评估基于YOLOX的卷积神经网络 (CNN),用于精确检测多个口腔病变 (OLP,OLK,OSCC).
- 评估AI模型的诊断性能与经验丰富的临床医生相比.
- 将人工智能模型集成到移动应用程序中,以便在实践中临床使用.
主要方法:
- 收集了1419张患者照片的数据集,用于模型开发和评估.
- 在AI模型和高级专家组之间进行了比较分析.
- 一项涉及14个中心的24名参与者的多中心评估评估了该模型的诊断辅助能力.
- 该模型被集成到用于快速诊断的移动应用程序中.
主要成果:
- 基于YOLOX的模型在宏观平均回忆 (85%与77.5%相比),精度 (87.02%与80.29%) 和特异性 (95%与92.5%) 方面表现优于高级专家组.
- 在多中心评估中,模型辅助诊断显著改善了牙科,全科医院和社区医院的表现,与高级组基准相匹配或超过.
- 人工智能模型在检测口腔病变方面表现出高水平,与经验丰富的专家相美或优于他们.
结论:
- 开发的基于YOLOX的AI模型在检测口腔病变方面表现出很高的熟练程度,优于经验丰富的专家.
- 该模型是普通牙医和专家的宝贵诊断辅助工具,提高了诊断准确度.
- 将其集成到移动应用程序中可以实现快速而精确的口腔损伤诊断程序.
