在全景放射图上对OKC和SBC的差异诊断:利用深度学习算法

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:

• 牙生囊 (OKC) 和简单骨囊 (SBC) 是常见的囊,具有明显的临床和组织学特征.
• 正确的OKC和SBC之间的术前区分对于适当的手术管理和预后至关重要.
• 全景放射是牙科中广泛使用的成像方式,但仅基于放射特征来区分这些囊可能是具有挑战性的.

研究的目的:

• 为了评估深度学习算法在区分OKC和SBC的有效性,仅使用手术前全景放射图.
• 评估AI模型在分类这两种囊类型的诊断性能.

主要方法:

• 对63例经组织学确认的OKC病例和125例SBC病例进行了回顾性分析.
• 全景射线图被处理,切割成299x299图像,并分为训练 (80%) 和验证 (20%) 集.
• 使用Inception-ResNet-V2深度学习模型对OKC和SBC进行歧视,并进行5倍交叉验证.

主要成果:

• 深度学习模型的准确度为0.829,精度为0.800,回忆率为0.615,F1得分为0.695.
• 类激活映射 (CAM) 可视化有助于理解算法的决策过程.

结论:

• 深度学习算法显示出在全景放射图上准确区分OKC和SBC的巨大潜力.
• 这种人工智能驱动的方法可以作为临床医生有价值的辅助,潜在地提高诊断准确性和指导治疗策略.
• 进一步验证和整合到临床工作流程中,可以通过更精确的诊断来改善患者的治疗结果.