全景影像中的动脉粥样硬化性颈动脉斑块：基于小数据集深度学习的自动检测
计算机视觉与模式识别
2018-08-27 v1
摘要
卒中是全球第二大死因，给卫生系统带来沉重经济负担。约 15% 的卒中中，动脉粥样硬化性颈动脉斑块（ACP）是主要病因。早期检测 ACP 可通过在损害发生前对患者进行干预，在预防卒中方面发挥关键作用。ACP 可在全景影像上被检测。由于这些是常规牙科诊疗中最常见的影像之一，它们可作为可用数据来源用于计算机化自动检测方法，以显著提高 ACP 的及时诊断。近来，基于神经网络深度学习的应用使医学影像分析领域取得明确突破。然而这些方法在牙科中极少使用。本研究我们使用 Faster Region-based Convolutional Network（Faster R-CNN）进行深度学习，旨在评估该算法在 65 张全景影像小数据库上的表现。由于可用训练数据量少，我们须通过改变亮度以及随机翻转和多角度旋转裁剪感兴趣区域来进行数据增强。采用受试者工作特征（ROC）分析计算检测准确度。ACP 检测灵敏度为 75%、特异度为 80%、准确度为 83%。ROC 分析显示曲线下面积（AUC）与 0.5 有显著差异。我们的创新点在于，基于小数据库展示了 Faster R-CNN 算法在常规全景影像上检测 ACP 的有效性。有必要进一步改进该算法的应用，使其达到可引入常规牙科诊疗的水平，从而让我们能够预防卒中事件。
引用
@article{arxiv.1808.08093,
title = {Atherosclerotic carotid plaques on panoramic imaging: an automatic detection using deep learning with small dataset},
author = {Lazar Kats and Marilena Vered and Ayelet Zlotogorski-Hurvitz and Itai Harpaz},
journal= {arXiv preprint arXiv:1808.08093},
year = {2018}
}
备注
11 pages, 5 figures