通过深度学习开发口腔癌检测系统
Liangbo Li1,2, Cheng Pu3,4, Jingqiao Tao1,5
1Medical School of Chinese PLA, Beijing, China.
BMC oral health
|December 5, 2024
概括
这项研究开发了一种使用便携式内镜检测口腔癌的AI模型. 深度学习方法显示出从口腔内图像中识别口腔癌的前景.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 口腔癌对全球健康构成重大挑战.
- 早期检测对于改善患者的治疗结果至关重要.
- 目前的诊断方法可能具有侵入性或有限的可访问性.
研究的目的:
- 开发和评估基于人工智能的口腔癌检测模型.
- 使用便携式电子口腔内镜来捕获口内图像.
- 评估深度学习模型 (U-Net,ResNet-34) 在识别口腔癌方面的性能.
主要方法:
- 收集了205张口腔癌患者的注释性口腔内图像.
- 采用了U-Net和ResNet-34深度学习架构.
- 通过使用子系数,IOU,损失,精度,回忆和F1得分来评估模型性能.
主要成果:
- 在训练期间,子值达到~0.8,损失~0和IoU~0.7.
- 在测试中,该模型达到0.96.6的最大精度.
- 在低信心值的情况下,F1得分达到0.58.
结论:
- 深度学习模型显示了口腔癌识别的潜力.
- 使用人工智能对口腔内图像进行分析是一个有前途的途径.
- 需要进一步的研究来完善和验证这些人工智能工具.
