使用深度学习算法检测上鼻腔病理
Ceren Aktuna Belgin1, Aida Kurbanova2, Seçil Aksoy3
1Faculty of Dentistry, Department of Dentomaxillofacial Radiology, Hatay Mustafa Kemal University, Hatay, Turkey.
概括
人工智能 (AI) 准确地检测到大鼻腔病理,使用形束计算断层扫描 (CBCT) 的深度学习. 这种人工智能方法对有效和精确的临床评估鼻状况充满希望.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 深度学习应用程序深度学习应用程序
背景情况:
- 准确识别上鼻腔病理对于成功的外科手术结果至关重要.
- 圆束计算断层扫描 (CBCT) 是由于其高分辨率和降低辐射的原因,对于大鼻评估的首选成像方式.
- 深度学习模型越来越多地应用于医学诊断.
研究的目的:
- 评估人工智能 (AI) 算法的准确性,以从CBCT扫描中检测上鼻腔病理.
- 开发和评估一个卷积神经网络 (CNN) 来自动细分大鼻腔病理.
主要方法:
- 来自500名患者的1000个上鼻的数据集接受了CBCT分析.
- 使用ITK-SNAP作为参考标准创建了手动细分口罩.
- 一个CNN模型被训练为自动细分,使用Dice相似系数 (DSC) 和交叉与联合 (IoU) 评估准确性.
主要成果:
- 人工智能模型实现了0.923的高子得分和0.887的IOU.
- 该模型表现出强的性能,召回率为0.979和F1得分为0.970.
- 自动化细分的精度报告为0.963.
结论:
- 成功开发了一种人工智能驱动的方法,用于在CBCT图像中对上鼻腔病理进行细分.
- 这项研究证明了人工智能在快速准确的临床评估上鼻状况方面的潜力.
- 这种人工智能方法可以提高鼻病理的诊断效率和治疗计划.
