半监督辅助多任务学习用于口腔光学连贯性断层扫描图像细分和无声化.
Jinpeng Liao1,2, Tianyu Zhang1, Simon Shepherd3
1School of Science and Engineering, University of Dundee, DD1 4HN, Scotland, UK.
Biomedical optics express
|March 20, 2025
概括
高效细分-消解模型 (ESDM) 显著增强了用于口腔组织成像的光学连贯性断层扫描 (OCT). 这种深度学习模型减少了扫描时间,并提高了口腔上皮质细分和厚度测量的准确性.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 医疗技术 医疗技术 医学技术
- 人工智能在医学中的应用
背景情况:
- 光学连贯断层扫描 (OCT) 是一种有价值的非侵入性工具,用于评估口腔粘膜组织.
- 在OCT成像方面面临着诸多挑战,包括斑点噪声,运动工件以及由于相似的光学特性而难以区分组织层.
- 精确的口腔上皮层细分和厚度量化对于临床诊断至关重要.
研究的目的:
- 引入高效细分-去除模型 (ESDM),这是一个新的深度学习框架,用于增强OCT口腔组织的成像.
- 为了提高OCT扫描和口腔表皮层层分化的速度和准确性.
- 为了降低成本和增加在临床环境中OCT的诊断能力.
主要方法:
- 开发了一个多任务深度学习框架 (ESDM),集成用于局部特征提取的卷积层和用于长期信息处理的变压器.
- 实施ESDM同时消除OCT图像的噪音,减少运动工件,并分割口腔上皮层.
- 评估ESDM的表现与最先进的模型相比,使用诸如峰值信号与噪声比率 (PSNR),结构相似度指数 (SSIM),平均子系数 (mDice) 和平均交叉点在欧盟 (mIoU) 等指标.
主要成果:
- 通过ESDM,OCT扫描时间从大约8秒缩短到2秒.
- 与现有模型相比,实现了优异的消噪和细分性能,PSNR为26.272,SSIM为0.737,mDice为0.972,mIoU为0.948.
- 在量化口腔上皮质厚度方面表现出很高的准确性,与手动测量相比,平均绝对误差低至5微米.
结论:
- 通过减少噪音和文物,ESDM有效地提高了OCT口腔组织的成像质量.
- 该模型显著提高了口腔上皮质细分和厚度测量的准确性和效率.
- ESDM为准确的口腔组织评估提供了具有成本效益的解决方案,有可能提高临床诊断能力.


