使用深度学习来诊断根基囊

科学领域:

• 口腔和面放射学 口腔和面放射学
• 医疗成像中的人工智能
• 深度学习应用程序

背景情况:

• 根性囊是常见的围性炎症性下病变.
• 在全景射线图上进行准确的诊断对于治疗计划至关重要.
• 深度学习为自动诊断辅助提供了潜力.

研究的目的:

• 开发和评估一个深度学习算法来诊断下的根性囊,使用全景放射图.
• 评估图像增强技术对算法性能的影响.

主要方法:

• 分析了138个根囊和100张正常全景放射图的数据集.
• 图像由放射科医生和面外科医生进行注释.
• 深度学习模型的性能被用和没有图像增强技术评估,使用精度,回忆,mAP和F1等指标.

主要成果:

• 在没有增强的情况下,该算法实现了85.8%的精度和66.7%的回忆.
• 随着增强,精度下降到74%,但回忆率增加到77.8%.
• 平均精度 (mAP) 随着增量显著改善,在50%的门上达到89.6%. 非增强数据的F1得分为0.750,增强数据的F1得分为0.758.

结论:

• 深度学习算法显示出诊断根细胞囊的巨大潜力.
• 图像增强技术可以提高这些诊断算法的性能.
• 这项技术代表了口腔和大面部放射学的重大进步.