深度学习分割与多中心 CBCT 扫描中多评级者标注的下颌管的比较
机器学习
2022-05-30 v1 计算机视觉与模式识别
摘要
深度学习方法已被证明可从 CBCT 扫描中自动分割双侧下颌管，但其临床与技术验证的系统研究仍很匮乏。为验证深度学习系统（DLS）的下颌管定位精度，我们使用 982 例 CBCT 扫描训练该系统，并以来自欧洲与东南亚研究所临床工作流患者的五台扫描设备的 150 例扫描进行评估，这些扫描由四名放射科医生标注。我们将观察者间变异性与 DLS 和放射科医生之间的变异性进行比较。此外，我们考察了 DLS 对训练数据中未使用扫描设备所得 CBCT 扫描的泛化能力，以评估其分布外泛化能力。DLS 相对于放射科医生的变异性低于他们之间的观察者间变异性，且能够泛化至三台新设备。以放射科医生共识分割作为金标准，DLS 的对称平均曲线距离为 0.39 mm，而各放射科医生分别为 0.62 mm、0.55 mm、0.47 mm 和 0.42 mm。DLS 在下颌管分割上与放射科医生表现相当或略优，并具备对新扫描设备的泛化能力。
引用
@article{arxiv.2205.13874,
title = {Comparison of Deep Learning Segmentation and Multigrader-annotated Mandibular Canals of Multicenter CBCT scans},
author = {Jorma Järnstedt and Jaakko Sahlsten and Joel Jaskari and Kimmo Kaski and Helena Mehtonen and Ziyuan Lin and Ari Hietanen and Osku Sundqvist and Vesa Varjonen and Vesa Mattila and Sangsom Prapayasotok and Sakarat Nalampang},
journal= {arXiv preprint arXiv:2205.13874},
year = {2022}
}