口腔医学研究

作者：赖丹琳, 许亮, 倪涧钊, 朱小峰, 黄晓红

单位：福建医科大学附属第一医院口腔医学中心,福建医科大学附属第一医院滨海院区国家区域医疗中心口腔医学中心 福建 福州 350212

关键词：成釉细胞瘤,深度学习,Mask-RCNN,ResNet,

基金：福建省教育厅中青年教师教育科研项目(编号:JAT200161)

目的:基于人工智能深度学习,比较Mask-RCNN不同层数的ResNet模型在成釉细胞瘤CT图像检测中的效能。方法:回顾性收集2018年4月~2020年8月福建医科大学附属第一医院成釉细胞瘤患者的CT影像数据,按照标准将79名患者纳入研究。经过预处理后,共得到3566张图像,按照8∶1∶1的比例将其随机分为训练集、验证集以及测试集。采用ResNet-18、ResNet-50和ResNet-101模型进行训练,实现肿瘤的自动检测并通过Dice系数、平均精确度AP及检测时间等评价指标进行分析。结果:与ResNet-18及ResNet-50相比,ResNet-101模型自动检测的效果最好,其Dice系数为0.87,平均精确度AP(IOU 0.50∶0.95)为0.74。但该模型所需的检测时间最长,需要0.33 s。结论:不同层数的Mask-RCNN模型均可较好地实现对成釉细胞瘤的自动检测诊断,其中ResNet-101检测效果最好,但相应地需要更长的时间。

来源：2023年第12期

《口腔医学研究》期刊编辑部

查看口腔医学研究杂志2023年第12期