CLASEG:使用深度学习进行口腔病变差异诊断的高级多分类和细分
Afnan Al-Ali1, Ali Hamdi2, Mohamed Elshrif3
1Computer Science and Engineering Department, Qatar University, Doha, Qatar.
Scientific reports
|July 2, 2025
概括
这项研究引入了用于早期检测口腔癌的深度学习框架. 它从图像中准确地分类和细分了14个口腔病变,提高了诊断准确度,以获得更好的患者结果.
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:
- 延迟诊断口腔癌导致高死亡率.
- 早期发现口腔病变对于有效治疗至关重要.
- 准确对良性,前恶性和恶性病变的差异诊断具有挑战性.
研究的目的:
- 开发一种新的深度学习框架,用于基于口腔病变的多类分类细分.
- 通过使用摄影图像,对14种常见的口腔病变进行准确的差异诊断.
- 改善口腔癌的早期检测和临床管理.
主要方法:
- 使用了2072张临床图像的数据集.
- 该框架集成了EfficientNet-B3用于分类和基于ResNet-101的Mask R-CNN用于细分.
- 用梯度加权类激活映射用于模型可解释性.
主要成果:
- 该模型实现了74.49%的分类准确率.
- 细分性能显示平均精度 (AP50) 为72.18%.
- 该框架在细分精度方面显著优于以前的最先进模型.
结论:
- 拟议的深度学习框架在口腔病变的分类和细分方面提供了高精度.
- 这项技术对于提高临床实践中的早期检测和差异诊断至关重要.
- 通过激活地图来解释模型的可解释性有助于理解诊断决策.


