使用深度学习进行口腔腔光学连贯断层扫描的三维上皮层细分
Chloe Hill1,2, Jeanie Malone1,3, Kelly Liu1,3,4
1Department of Integrative Oncology, British Columbia Cancer Research Institute, 675 W 10th Ave., Vancouver, BC V5Z 1L3, Canada.
Cancers
|June 19, 2024
概括
自动化软件工具简化了光学连贯性断层扫描 (OCT) 分析口腔地下形态. 深度学习模型准确地细分了关键组织特征,增强了OCT.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 光学连贯断层扫描 (OCT) 提供高分辨率的地下成像,但需要复杂的数据分析.
- 采用OCT作为口腔活检指导工具受到数据处理挑战的限制.
研究的目的:
- 开发自动化的深度学习软件,用于简化从口腔中获取的OCT数据的分析.
- 减少在牙科和口腔医学中使用OCT作为活检指导装置的障碍.
主要方法:
- 广泛的内镜OCT系统被用于临床内成像.
- 来自60名患者的294张OCT图像的数据集被注释.
- 训练了四个卷积神经网络 (修改后的U-Net) 进行视野检测,文物检测,表面细分和上皮层-层边界识别.
主要成果:
- 实现了高精度:图像检测的曲线下面面积 (AUC) 为1.00,文物检测为0.94.
- 细分表现强:表面细分的子相似度得分为0.98,上皮层-胸膜边界细分为0.83.
- 深度学习模型成功地在口腔粘膜OCT图像中识别和细分了上皮表面和上皮-膜边界.
结论:
- 基于深度学习的自动化软件显著简化了OCT对口腔地下形态的数据分析.
- 开发的工具通过面部地图更容易可视化组织变异,支持OCT在活检指导中的作用.
