提升口腔白血病进展的识别:一个基准数据集,方法和应用程序.
Linfei Feng1, Qiankun Li2, Hao Wang3
1Department of Oral and Maxillofacial Surgery, The First Afliated Hospital of Anhui Medical University, Hefei, China; University of Science and Technology of China, Hefei, China.
概括
这项研究引入了一项新的基准任务和数据集,用于识别口腔白血病的进展,这是口腔癌的前体. 开发的OLPNet模型在分类口腔病变方面显示出高准确性,有助于早期检测.
科学领域:
- 口腔医学是指口腔医学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 口腔白血病是一种潜在的恶性疾病,是口腔状细胞癌 (OSCC) 的前体.
- 早期发现白血病的进展对于及时干预和改善患者的治疗结果至关重要.
- 现有的方法主要集中在口腔癌的识别上,忽视了白血病进展的挑战.
研究的目的:
- 引入口腔白血病进展识别 (OLPR) 作为一个新的基准任务.
- 开发高质量的OLPR数据集,包括外部验证集.
- 提出和评估一个深度学习模型,OLPNet,用于准确分类口腔损伤进展.
主要方法:
- 从公共和临床数据构建OLPR数据集.
- 使用ConvNeXt骨干和特征改进模块 (FRM) 开发口腔白血病进展网络 (OLPNet).
- 与15个以上的经典和最先进的分类模型对比OLPNet的比较.
主要成果:
- 在OLPR数据集上,OLPNet获得了91.34%的高F1分,在外部验证数据集上达到90.63%.
- 拟议的OLPNet模型与现有的最先进的方法相比,显示出更高的性能.
- 综合性基准测试为口腔损伤进展的各种分类模型提供了洞察力.
结论:
- OLPNet模型有效地识别了口腔白血病的进展,优于目前的方法.
- OLPR数据集和基准为推进该领域的研究提供了宝贵的资源.
- 精确的口腔病变分类对于早期诊断和口腔癌前体的管理至关重要.


