深度学习系统用于通过临床摄影成像诊断口腔粘膜病变的差异诊断
An-Yu Su1, Ming-Long Wu2,3, Yu-Hsueh Wu1,4,5
1School of Dentistry, College of Medicine, National Cheng Kung University, Tainan, Taiwan.
Journal of dental sciences
|January 28, 2025
概括
一个深度学习模型从临床图像中准确地分类口腔粘膜病变,帮助牙医在差异诊断中. 这种人工智能工具在区分良性和恶性潜在病变方面表现出很高的性能.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 口腔病理学 口腔病理学
背景情况:
- 口腔粘膜病变呈现出各种病理状况.
- 当前的深度学习模型往往侧重于口腔病变诊断的有限方面.
- 准确的差异诊断对于有效的患者管理至关重要.
研究的目的:
- 开发一个卷积神经网络 (CNN) 模型,用于分类口腔和相关病变.
- 为了提高口腔粘膜病变的计算机辅助诊断的准确性.
- 创建一个工具,帮助临床医生在口腔病变的差异诊断.
主要方法:
- 使用了五种诊断的506张临床图像的数据集.
- 图像进行了预处理,并分为训练和测试集.
- 采用了CNN架构,包括卷积,批量规范化,聚合,丢弃和完全连接的层.
主要成果:
- CNN模型实现了高性能指标:加权精度为88.8%,加权回忆率为88.2%,加权F1得分为0.878.
- 该模型显示平均特异性为97.0%,卡帕系数为0.851.
- 曲线下的总面积 (AUC) 为0.985,表明了强大的分类能力.
结论:
- 开发的CNN模型显示了分类口腔粘膜病变的巨大潜力,有助于区分良性和恶性疾病.
- 该模型为口腔粘膜病变的新型诊断工具提供了基础.
- 未来的工作应该通过扩大少数类和结合转移学习等先进技术来解决数据集的局限性.
