CBCT的放射学特征结合机器学习来诊断下巴中的囊性病变
Xiaoyan Sha1, Chao Wang2, Jiayu Sun2
1Department of Oral and Maxillofacial Radiology, school of Stomatology, Capital Medical University, Beijing, China.
Dento maxillo facial radiology
|March 20, 2025
概括
使用形束计算断层扫描 (CBCT) 的新放射学模型可以区分口腔致囊 (OC),口腔致囊 (OKC) 和乳腺母细胞瘤 (AB). 这种非侵入性方法显示出准确的病诊断的潜力.
科学领域:
- 口腔和面放射学 口腔和面放射学
- 医学成像信息学 医疗成像信息学
- 在瘤学瘤学.
背景情况:
- 牙致囊 (OC),牙致囊 (OKC) 和骨髓母细胞瘤 (AB) 是常见的病理.
- 准确的区分对于适当的治疗计划和预后至关重要.
- 组织病理学诊断虽然是最终的,但是一种侵入性诊断.
研究的目的:
- 使用CBCT图像开发和验证放射学模型.
- 在OC,OKC和AB之间进行非侵入性的区分.
- 评估放射学模型的诊断性能.
主要方法:
- 对300个CBCT扫描的回顾性分析,这些扫描来自于经遗传学确认的OC,OKC或AB的患者.
- 提取放射学特征并选择最佳特征.
- 开发分类模型,包括随机森林,SVC,物流回归和软VotingClassifier.
- 使用ROC曲线,AUC,灵敏度,准确度,精度,特异性和F1分数进行性能评估.
主要成果:
- 一个软VotingClassifier模型结合了六个最佳的放射学特征,证明了最佳性能.
- 在培训队列中,AUC值为0.963 (AB),0.928 (OKC) 和0.919 (OC).
- 在测试队列中,AUC值为0.814 (AB),0.781 (OKC) 和0.849 (OC),总准确率为0.711.
结论:
- 基于CBCT的放射学分析,特别是使用VotingClassifier模型,可以有效地区分OC,OKC和AB.
- 这种非侵入性放射学方法显示出对这些病理的准确诊断有前途.
- 进一步的验证可能会支持其在区分病变的临床应用.


