卷积神经网络ResNet-101和Inception-v3对口腔曲面体层片中下颌第一磨牙远舌根变异的诊断

摘要

目的 基于深度卷积神经网络（CNN） ResNet-101和Inception-v3对口腔曲面体层片中下颌第一磨牙远舌根变异进行诊断，并评估其准确性。方法 从口腔影像科采集锥形束CT(CBCT)和口腔曲面体层片。患者被分为2组：A组CBCT图像和口腔曲面体层片来自相同患者，通过切割曲面体层片，制备了1 444个下颌第一磨牙的图像块（其中367个为三根型）；B组患者无常规口腔曲面体层片，基于其拍摄的CBCT影像，重建取得模拟的口腔曲面体层片，通过切割获得1 203个下颌第一磨牙的图像块（其中283个为三根型）。采用2个CNN模型（ResNet-101和Inception-v3），基于上述2组图像对模型进行训练与测试，对图像块进行分类（三根及双根型）。以锥形束CT检查为金标准，受试者工作特征（ROC）曲线分析CNN模型的诊断效能，并与5位口腔医学专业人员的诊断效能进行比较。结果 2个CNN模型的诊断性能良好，其中ResNet-101的诊断效能更佳。在A组，其准确度、灵敏度、特异性分别为87.5%、83.6%和88.9%;AUC为0.908，明显高于Inception-v3的0.857(P<0.01)。采用B组图像训练CNN模型，再用A组图像进行测试，可以取得和A组图像训练相当的诊断效能，对于表现较好的ResNet-101，其准确度、灵敏度、特异性和曲线下面积（AUC）值分别为85.1%、75.8%、88.1%和0.893。而5位口腔医学专业人员的诊断效能均较低，AUC值仅为0.532～0.668。结论 CNN模型对口腔曲面体层片中三根型下颌第一磨牙的诊断具有较高的准确性。口腔曲面体层片训练集在图片数量和质量上存在不足时，利用CBCT生成的模拟口腔曲面体层片训练CNN模型，可获得相似的诊断效果。

关键词

深度学习 / 卷积神经网络 / 口腔曲面体层片 / 锥形束CT / 下颌第一恒磨牙