基于深度学习的头颅侧位X线片自动诊断分类研究

来源 :中华口腔医学杂志 | 被引量 : 0次 | 上传用户:
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的

基于深度学习构建头颅侧位X线片自动诊断分类模型,为正畸临床诊断提供参考。

方法

收集2015年1月至2021年12月就诊于首都医科大学口腔医学院正畸科的正畸患者头颅侧位X线片2 894张,构建数据集,包括1 351例男性和1 543例女性,年龄(26.4±7.4)岁。先由1名正畸专业主治医师和1名博士研究生(正畸工作年限分别为8和5年)进行人工定点,测量头影测量项目并进行初分类,再由1名正畸专业主任医师和1名主治医师(正畸工作年限均超过20年)进行核查,内容包含8项骨性和牙性诊断分类。数据按7∶2∶1的比例分别纳入训练集、验证集和测试集。使用开源DenseNet121网络(一种深度学习模型)构建头颅侧位X线片自动诊断分类模型。模型训练后,使用测试集计算模型的分类准确性、精确性、敏感性、特异性,输出受试者工作曲线并计算曲线下面积评估模型性能;输出热力图,可视化模型关注区域。

结果

成功构建头颅侧位X线片自动诊断分类模型,其对1张头颅侧位X线片作出8项诊断分类平均需要0.112 s。其中5项诊断分类的准确性为80%~90%,包括矢状骨面型、下颌发育、垂直骨面型、上前牙倾斜情况和下前牙突出情况;3项诊断分类的准确性为70%~80%,包括上颌发育、下前牙倾斜情况、上前牙突出情况。各项诊断分类的总体95%可信区间曲线下面积均≥0.90。热力图显示,分类成功的头颅侧位X线片的激活区域分布于分类相关结构区域。

结论

本项研究基于DenseNet121网络构建了头颅侧位X线片自动诊断分类模型,其可实现8项临床常用诊断项目的快速分类。

其他文献
幼年型皮肌炎(JDM)是儿童期罕见的自身免疫性炎症性肌炎,特征为皮肤和横纹肌的非化脓性炎症,临床表现为特征性皮疹、近端肌无力及肌酶升高,JDM可累及其他内脏器官系统,突出影响胃肠道和呼吸系统,严重者出现呼吸衰竭需重症监护管理。对JDM患儿的管理需要定期评估疾病活动度和脏器损伤程度以及通过标准化的测量工具评估治疗反应。本文总结了国内外常用的JDM病情评估方法,对评估工具的内容、特点、应用情况等进行综述,为临床医师进行JDM病情评估、指导治疗及预后提供参考依据。
期刊
随着联合化疗以及造血干细胞移植技术的不断完善,儿童急性髓系白血病(AML)的预后有了明显改善。然而核孔蛋白98(NUP98)重排AML作为一组特殊的白血病亚型,预后显著不良,疾病诱导缓解率低,移植相关复发率高,亟待新的诊疗策略。本文对儿童NUP98重排AML的流行病学特征、发病机制、临床以及分子生物学特征进行综述,旨在为NUP98重排AML的诊治提供指导。
期刊
软骨发育不全(ACH)是1种导致儿童致死致残性生长发育障碍性疾患的罕见病,主要临床表现为四肢短小、大头畸形、颅面部异常以及三叉手畸形等,相关并发症包括椎管狭窄、胸腰椎后凸、膝内翻、睡眠呼吸暂停、肥胖和中耳炎等。ACH的疾病特性决定了对该疾病需要进行多学科、长时程的临床管理。本文将结合国内外指南,从临床诊断及产前诊断、多学科综合管理及最新治疗进展等方面进行系统的阐述。
期刊
期刊
点云数据是口腔虚拟手术设计、颜面不对称分析等环节的基础,颅颌面三维特征在口腔颌面外科、正畸矫治设计中发挥关键作用。随着口腔数字化技术临床应用的普及,颅颌面三维特征的自动化构建成为研究发展趋势,因而基于颅颌面点云数据的三维解剖标志点定点和对称参考平面构建算法备受关注。本文结合笔者团队研究及国内外研究进展,论述基于颅颌面点云数据,构建解剖标志点和对称参考平面特征的数学算法和深度学习算法,阐述该领域的发展历程和最新研究进展,分析探讨各种方法的优势及局限,以期为口腔临床研究和应用提供参考。
数字化技术在口腔颌面外科诊断和治疗领域的应用,促进了口腔颌面外科由传统的经验依赖性诊疗模式逐步向数字化外科过渡。但目前数字化外科技术的应用场景还存在一定局限。近期,人工智能逐渐进入蓬勃发展阶段,以数字化、智能化为目标的“数智化”口腔颌面外科成为学科发展的重要方向。笔者结合所在单位和国内外研究成果,论述口腔颌面外科领域人工智能的应用现状及存在问题,以期推进人工智能在口腔颌面外科诊疗领域的深入发展。
随着人工智能技术的发展,其在口腔正畸领域得到了广泛的应用。在精确测量、多维度诊断、方案设计、疗效预测等方面,人工智能具备较大的应用前景。同时,人工智能的应用也存在一定的局限,如由患者个体差异性、人工智能的“黑箱”属性带来的风险,医疗责任划分不明造成的隐患等。本文就人工智能在口腔正畸研究领域的应用历史及现状进行总结和分析,并探讨其未来可能的发展趋势,以供临床参考。
目的基于深度学习开发用于正畸图像数据自动分类的多分类正畸图像识别模型,为正畸图像数据管理提供参考。方法收集2020年10至11月和2021年6至7月首都医科大学口腔医学院正畸科采集的35000张正畸临床图像,图像全部来自于490例正畸治疗患者,男女性别比例为49∶51,年龄范围为4~45岁。根据纳入及排除标准进行数据清洗,最终纳入数据集中的图像数据包括面像17453张(包括正面像、正面微笑像、右侧90°面像、左侧90°面像、右侧45°面像和左侧45°面像)、口内像8026张[包括正面像、右侧像、左侧像、上
目的探索上颌骨复合体三维数据解剖标志点的自动定点方法,并初步评价其可重复性与准确性。方法从2021年6月至2022年12月就诊于北京大学口腔医学院·口腔医院口腔颌面外科的口腔疾病患者螺旋CT资料中,选取31例颅颌面骨骼形态大致正常者的螺旋CT资料,其中男性15例,女性16例,年龄(33.3±8.3)岁,通过Mimics软件对上颌骨复合体进行三维重建,通过Geomagic软件对上颌骨复合体三维数据进行网格优化。由2名主治医师和1名副主任医师对31例上颌骨复合体数据进行人工定点,确定24个解剖标志点,取3人定
目的通过训练生成对抗网络(generativeadversarialnetworks,GAN)模型,构建一种用于消除CT图像金属伪影的神经网络,以期为临床提供参考。方法收集2017年1月至2022年6月四川大学华西口腔医院影像科就诊患者的CT资料,共纳入1000例无伪影CT数据和620例金属伪影CT数据,包含充填体、冠类、钛板钛钉类、托槽类、金属异物类5种。将400例金属伪影CT数据和1000例无伪影CT数据用于仿真合成,构建出1000对配对的模拟金属及伪影图像和模拟金属图像(每种200对)。在保证5种金