Выявление стоматологических заболеваний на прицельных периапикальных рентгенограммах с помощью глубоких сверточных нейронных сетей
Dental disease detection on periapical radiographs based on deep convolutional neural networks
Аннотация
Цель: Создание вспомогательной системы диагностики по прицельным рентгенограммам зубов на основе глубоких сверточных нейронных сетей представляется перспективным, однако необходимо определить показания к её применению и оценить эффективность. Цель исследования — обучить сверточные нейронные сети выявлять поражения на прицельных рентгенограммах зубов и оценить их эффективность в зависимости от категории заболевания, степени тяжести и стратегии обучения.
Методы: Для выявления заболеваний на клинических прицельных рентгенограммах зубов были созданы глубокие сверточные нейронные сети с использованием методов генерации регионов-кандидатов. Сети выявляли кариес, периапикальный периодонтит и пародонтит лёгкой, умеренной и тяжёлой степени. Применили четыре стратегии обучения соответствующих сетей: на всех категориях заболеваний и степенях тяжести (базовая модель), на всех категориях заболеваний (Net A), отдельно для каждой категории заболевания (Net B) и отдельно для каждой степени тяжести (Net C). Затем провели перекрёстную проверку с разбиением на пять частей. С помощью дисперсионного анализа сравнили показатели, включая коэффициент пересечения по объединению (IoU), точность, полноту и среднюю точность (AP), в зависимости от заболевания, степени тяжести и стратегии обучения.
Результаты: Для разных заболеваний точность и полнота выявления поражений в целом составляли 0,5–0,6. Стратегия обучения, категория заболевания и степень тяжести статистически значимо влияли на результаты (P < 0,001). Для кариеса и периапикального периодонтита лёгкой степени точность, полнота и средняя точность были ниже 0,25, умеренной степени — 0,2–0,3, тяжёлой степени — 0,5–0,6. Результаты Net A были сопоставимы с базовой моделью (P > 0,05 для IoU, точности и полноты), тогда как Net B и Net C в некоторых случаях превосходили базовую модель (P < 0,05). Однако Net C не смогла выявлять кариес лёгкой степени.
Выводы: Глубокие сверточные нейронные сети способны выявлять заболевания на клинических прицельных рентгенограммах зубов. Сети лучше выявляют поражения тяжёлой степени; для каждого заболевания целесообразно использовать отдельную стратегию обучения.
Переведем эту статью за 1 час
Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.
Попробовать бесплатно →Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.