基于深度学习的曲面体层片颌骨病变辅助诊断技术研究

摘要

目的 探讨深度学习应用于曲面体层片辅助诊断颌骨透射病变、颌骨阻射病变的效果，以减少漏诊，辅助医生早期筛查、提高诊断准确性。方法 本研究通过四川大学华西口腔医院伦理委员会批准。以443例曲面体层片为研究对象，构建YOLO v8m-p2神经网络模型，将标注后的图像分为训练集354例，验证集45例和测试集44例，用于模型训练、验证和测试。采用精确率、召回率、F-1分值、G分值、mAP50评价模型的检测性能。结果 443例曲面体层片涵盖颌骨常见的良性病变，其中颌骨透射病变数量为318，包括含牙囊肿、牙源性角化囊肿、成釉细胞瘤3类病变；颌骨阻射病变数量为145，包含特发性骨硬化、牙瘤、牙骨质瘤、牙骨质-骨结构不良4类病变，样本有良好的代表性。YOLO v8m-p2神经网络模型识别颌骨病变的性能：精确率为0.887，召回率为0.860,F-1分值为0.873,G分值为0.873,mAP50为0.863。其中，含牙囊肿、牙源性角化囊肿、成釉细胞瘤召回率分别为0.833、0.941、0.875。结论 YOLO v8m-p2神经网络模型应用于初步检测口腔曲面体层片中的颌骨透射病变及颌骨阻射病变以及多分类检测颌骨透射病变时诊断性能表现良好，可辅助医生筛查曲面体层片的颌骨疾病。

关键词

颌骨囊肿 / 颌骨肿瘤 / 影像诊断 / 曲面体层片 / 人工智能 / 深度学习 / 目标检测 / YOLO v8m / 神经网络模型

基金资助

四川省自然科学基金（2024NSFSC0659）; 四川大学华西口腔医学院探索与研究项目（RD-01-202304）