在使用深度学习的圆束计算机断层扫描图像上进行自动尾鼻腔细分和病理分类
Oğuzhan Altun1, Duygu Çelik Özen1, Şuayip Burak Duman2,3
1Department of Oral and Dentomaxillofacial Radiology, Faculty of Dentistry, Inonu University, Malatya, Turkey.
BMC oral health
|October 10, 2024
概括
这项研究表明,人工智能模型可以准确地细分上鼻,并使用CBCT扫描检测鼻炎等疾病. 这种深度学习方法有助于医生在面手术的虚拟规划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 口腔和面放射学 口腔和面放射学
背景情况:
- 面复合体的自动细分可以增强虚拟手术规划.
- 深度学习 (DL) 系统可以帮助医生检测上鼻病理.
研究的目的:
- 使用修改后的YOLOv5x架构与转移学习来细分上鼻和疾病.
- 评估人工智能模型在圆束计算机断层扫描 (CBCT) 图像上的表现.
主要方法:
- 利用307个匿名CBCT扫描的数据集从口腔和上面部放射科.
- 使用修改后的YOLOv5x架构对健康的鼻,粘膜保留囊 (MRC),粘膜加厚 (MT) 和鼻炎进行细分.
主要成果:
- 实现了高性能指标:F1分数为0.992的总鼻细分,0.964的健康鼻,0.889的MT,0.924的MRC,和0.970的鼻炎.
- 在所有细分任务中表现出卓越的回忆和精度.
结论:
- 开发的AI模型有效地细分上鼻,并准确地检测相关疾病.
- 这种自动化方法支持临床决策和手术准备在面放射学.
