在深度学习辅助下,在全景X射线图上对不同模型进行对比,以预测上犬的冲击
Chunmiao Zhang1, Hailin Zhu2, Hu Long3
1State Key Laboratory of Oral Diseases, National Center for Stomatology and National Clinical Research Center for Oral Diseases, Department of Oral Medical Imaging, West China Hospital of Stomatology, Sichuan University, Chengdu, Sichuan, China.
概括
两种模型使用全景射线图和深度学习准确地预测狗的撞击. 玛戈特和其他人. 该模型显示出最佳性能,尽管需要进一步改进.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 全景射线图是预测上犬损伤的关键.
- 现有的预测模型需要外部验证.
- 深度学习有助于自动检测地标,以提高准确性.
研究的目的:
- 比较现有模型对犬体冲击的预测准确度.
- 使用自动地标检测系统验证模型.
- 用AUC,灵敏度和特异性等指标评估模型性能.
主要方法:
- 包括7至14岁的患者,在全景放射图上有受影响的狗.
- 使用深度学习系统自动定位地标.
- 评估了三个模型 (阿尔纳茨卡,阿尔克尔班等人,玛戈特等人). 使用诊断指标.
主要成果:
- 马戈特和其他人. 该模型表现出最高的性能 (AUC 0.97,灵敏度95%,特异性86%).
- 阿尔纳茨卡模型显示了良好的准确性 (AUC 0.94,灵敏度93%,特异性71%).
- 阿尔克尔班和其他人. 模型表现出较差的性能 (AUC 0.20).
结论:
- 两种预测模型显示了对犬损伤的良好诊断准确性.
- 一个模型表现不佳,需要进一步调查.
- 存在局限性,即使是最有效的模型也需要改进.
