用深度学习方法评估口腔潜在恶性疾病的检测能力:一项回顾性试点研究
Gaye Keser1, Hakan Yülek2, İbrahim Şevki Bayrakdar3
1Department of Oral Diagnosis and Radiology, Faculty of Dentistry, Marmara University, Istanbul, Turkey. gayekeser@hotmail.com.
Journal of imaging informatics in medicine
|September 11, 2025
概括
深度学习软件在诊断口腔潜在恶性疾病 (OPMD) 中表现有前途. 牙科专业人员的早期检测至关重要,特别是在高危人群中,尽管需要进一步验证.
科学领域:
- 口腔病理学 口腔病理学
- 医学成像医学成像
- 医疗保健中的人工智能
背景情况:
- 口腔潜在恶性疾病 (OPMD) 是口腔癌发展的重要危险因素.
- 早期发现OPMD对于改善患者的治疗结果和生存率至关重要.
- 目前的诊断方法依赖于组织病理学检查,这可能是侵入性的.
研究的目的:
- 评估基于深度学习的软件用于检测OPMD的诊断性能.
- 评估人工智能 (AI) 在帮助早期诊断口腔病变方面的潜力.
- 调查人工智能在识别细胞变化的有用性,这些变化表明恶性转变.
主要方法:
- 采用了358张从基因病理上确诊的OPMD (口腔平坦,口腔白血病,口腔癌) 患者的逆向口内图像的数据集.
- 图像在Craniocatch软件中使用多边形标签进行注释,并由口腔,牙科和面放射科医生进行审查.
- 在数据集上开发和训练了一个深度学习模型,YOLOv8架构,使用混矩阵评估性能.
主要成果:
- 深度学习模型实现了F1得分为0.693.
- 该模型在检测OPMD时表现出0.666的灵敏度和0.723的精度.
- 这些结果表明,人工智能在从口内图像中识别OPMD方面具有有前途的能力.
结论:
- 深度学习和人工智能显示出作为OPMD诊断的有价值工具的潜力.
- 牙科专业人员的常规口腔检查和早期病变检测仍然至关重要,特别是在高风险人群中.
- 进一步的研究涉及更大的,多中心数据集和外部验证是临床实施所必需的.
