深度学习在基于曲面体层片的成釉细胞瘤及牙源性角化囊肿鉴别诊断中的应用

目的通过应用不同卷积神经网络模型对成釉细胞瘤及牙源性角化囊肿进行鉴别诊断。方法回顾性收集1000张成釉细胞瘤和牙源性角化囊肿患者的数字曲面体层片,选用ResNet(18、50、101)、VGG(16、19)、EfficientNet(b1、b3、b5)深度学习模型,对训练集中的800张曲面体层片经五折交叉验证的方法训练后对测试集中的200张曲面体层片进行鉴别诊断。同时,7名口腔放射专业医生对这200张曲面体层片进行诊断,并将二者的诊断结果进行比较。结果卷积神经网络模型的诊断准确率为82.50%~87.50%,其中EfficientNet b1准确率最高,为87.50%,各卷积神经网络模型训练集和测试集本身之间比较,准确率差异无统计学意义(P_(训练集)=0.998,P_(测试集)=0.905)。7名口腔放射专业医生(2名高年资医生、5名低年资医生)平均诊断准确率为(70.30±5.48)%,且不同年资医生之间平均诊断准确率差异无统计学意义(P=0.883)。深度学习卷积神经网络模型的诊断准确率显著高于口腔放射专业医生的诊断准确率(P<0.001)。结论基于曲面体层片的深度学习卷积神经网络能够对成釉细胞瘤和牙源性角化囊肿做出较为准确的鉴别诊断。

基于神经网络的深度学习在医学影像中的研究进展

计算机硬件的发展让影像学数据得以迅速积累,深度学习作为机器学习的新兴内容,在影像学数据分析方面表现出较大潜力。本综述首先介绍了基于神经网络的深度学习发展及内容;然后分别从检测分类与诊断、图像分割、识别与标记等研究方向具体介绍深度学习研究进展及在口腔颌面医学影像中的应用;最后对深度学习在医学影像研究中存在的问题予以讨论。