M44TMD:一个多模式,多任务的深度学习框架,用于全面评估TMD相关异常
Xinrui Lang1, Rundong Zhang2, Zhouhang Yuan3
1Center for Plastic & Reconstructive Surgery, Department of Stomatology, Zhejiang Provincial People's Hospital, Affiliated People's Hospital, Hangzhou Medical College, Hangzhou, Zhejiang, China.
Journal of dentistry
|December 29, 2025
概括
本研究介绍了M44TMD,这是一种用于诊断关节障碍 (TMD) 的多式联络深度学习框架. 人工智能模型整合了MRI和临床数据,实现了与经验丰富的牙医相比的诊断准确性.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 目前用于关疾病的深度学习 (DL) 不充分利用MRI,专注于单个任务,并依赖有限的数据类型.
- 解决这些局限性对于提高人工智能在TMD评估中的诊断准确性和临床实用性至关重要.
研究的目的:
- 开发和评估一个多式联络深度学习 (DL) 框架,M44TMD,用于同时评估TMD相关异常.
- 将多序,多切片MRI与临床数据相结合,以提高诊断性能.
主要方法:
- 收集了12690张MRI片和765名参与者的临床数据.
- 开发了M44TMD框架,利用多式联络数据对退行性关节疾病 (DJD),前盘位移 (ADD) 和输液进行并发评估.
- 与现有的DL方法和临床医生进行基准M44TMD,包括概括和解释性实验.
主要成果:
- 与之前的方法相比,M44TMD显示出更高的内部测试性能 (ROC-AUC:0.831,0.913,0.961).
- 该框架对DJD,ADD和溢液的准确性超过了初级牙医,并且与高级牙医相美.
- 通过概括和视觉解释性实验验验证了可靠性和可解释性.
结论:
- M44TMD框架有效地整合了多模式MRI和临床数据,用于同时评估TMD异常.
- M44TMD的诊断性能与高级牙医相美,突出显示了其临床应用的潜力.
- 这一框架标志着将基于DL的TMD诊断纳入临床实践的重大进展.
