预测散发性牙性角囊的复发使用全幻灯片组织病理学图像与混合编码器代注意力卷积模型
Samahit Mohanty1, Divya Biligere Shivanna1, Roopa S Rao2
1Department of Computer Science and Engineering, Faculty of Engineering and Technology, M.S. Ramaiah University of Applied Sciences, Bangalore, India.
Clinical and experimental dental research
|July 23, 2025
概括
一个新的AI模型,混合编码器代注意力卷积 (HEIAC),准确地区分了复发性和非复发性口腔囊 (OKC). 这提高了对挑战性OKC病例的诊断能力.
科学领域:
- 口腔病理学 口腔病理学
- 人工智能在医学中的应用
- 计算病理学计算病理学
背景情况:
- 牙原性角囊 (OKC) 由于其具有攻击性和高复发率,因此存在重大临床挑战.
- 准确预测OKC复发对于有效的患者管理至关重要,但仍然很困难.
研究的目的:
- 开发可靠的人工智能 (AI) 模型,以使用全幻灯片图像 (WSI) 区分复发性和非复发性口腔囊 (OKC).
- 通过先进的图像分析,提高OKC复发的预测准确度.
主要方法:
- 84个OKC病例的数据集,包括整个幻灯片图像 (WSIs),用于模型开发和评估.
- 混合编码器代注意力卷积 (HEIAC) 模型,集成编码器,注意力机制和卷积层,用于图像分类.
- 该HEIAC模型在64个WSI上进行了训练,并在20个WSI上进行了验证 (14个非经常性,6个经常性).
主要成果:
- 该HEIAC模型实现了0.98.9的测试准确度.
- 特殊的性能指标包括96%的回忆,100%的精度,97%的F1得分和1.0的AUC.
- 该模型表现出卓越的效率,使用比标准视觉变压器少96%的可训练参数.
结论:
- 开发的HEIAC模型显著提高了从WSIs预测OKC复发的能力.
- 这种由人工智能驱动的方法为临床医生和病理学家在管理OKC病例方面提供了一个有前途的工具.
