在口腔平虫诊断中的深度学习:基于临床图像的检测方法的系统审查
Atessa Pakfetrat1, Alireza Sarraf Shirazi2, Amirhossein Saeedi3
1Department of Oral Medicine, Faculty of Dentistry, Mashhad University of Medical Sciences, Mashhad, Iran.
Oral surgery, oral medicine, oral pathology and oral radiology
|September 2, 2025
概括
深度学习模型在诊断口腔平细胞 (OLP) 的临床照片方面表现出高准确性. 需要进一步验证和更大的数据集才能广泛使用这种人工智能技术.
科学领域:
- 医疗人工智能
- 皮肤病学和口腔医学
- 诊断成像分析
背景情况:
- 口腔液平 (OLP) 的诊断依赖于临床和组织学检查.
- 准确及时诊断OLP对于有效管理至关重要.
- 深度学习 (DL) 提供了对临床照片的自动化分析的潜力.
研究的目的:
- 系统地审查深度学习模型的诊断性能,以检测口腔平.
- 使用临床图像评估DL算法的准确性,灵敏性和特异性.
- 确定OLP诊断中的DL的局限性和未来方向.
主要方法:
- 按照PRISMA指南进行系统审查.
- 包括使用深度学习架构 (CNN,视觉转换器) 进行OLP诊断的研究.
- 提取性能指标 (精度,灵敏度,特异性,AUC) 和质量评估 (QUADAS-2).
主要成果:
- 深度学习模型的诊断准确度很高,有时超过95%.
- 像InceptionResNetV2和Xception这样的特定架构显示出有希望的灵敏度和特异性.
- 发现的局限性包括小,均的数据集,可变的预处理和不足的外部验证.
结论:
- 深度学习对从临床照片中诊断OLP具有显著的潜力.
- 现实世界的临床采用目前受限于数据集大小和验证问题.
- 未来的研究应该专注于更大,多样化的数据集,强大的验证和可解释的AI (XAI) 临床集成.


