人工智能在根尖周囊肿病理诊断中的初步应用

摘要

目的 研究人工智能应用于根尖周囊肿病理诊断的效果，初步探索人工智能在口腔病理学领域中的应用。方法 以87例根尖周囊肿的病理图像作为研究对象，构建U-net型结构的神经网络，将87幅根尖周囊肿的HE图像和标注图像分为训练集72幅图和测试集15幅图，分别用于训练模型和测试模型，最后利用目标级指标F1分数和像素级指标Dice系数以及受试者工作特征（receiver operating characteristic,ROC）曲线评价U-net网络模型在根尖周囊肿上皮识别中的能力。结果 U-net网络模型识别根尖周囊肿上皮的性能：F1分数为0.75,Dice系数为0.685,ROC曲线下面积为0.878。结论 通过人工智能构建的U-net网络模型在识别根尖周囊肿上皮时具有较好的分割结果，能够初步应用于根尖周囊肿的病理诊断，有望进一步大样本验证后逐步推广于临床。

关键词

根尖周囊肿 / 病理诊断 / 影像诊断 / 人工智能 / 口腔病理学 / U-net网络 / Dice系数 / 受试者工作特征曲线