关键词:
成釉细胞瘤
病理诊断
人工智能
口腔病理学
U-net网络
mIoU
ROC曲线
摘要:
目的:研究人工智能用于成釉细胞瘤病理诊断的效果,初步探索人工智能在口腔病理学领域中的应用。方法:以90例成釉细胞瘤的病理图像作为研究对象,构建U-net型结构的神经网络,将90幅成釉细胞瘤的H-E图像分为训练集72幅图、验证集9幅图和测试集9幅图,分别用于训练模型和测试模型,最后利用平均交并比(mean intersection over union,MIoU)和受试者工作特征(receiver operating characteristic,ROC)曲线评价U-net网络模型在成釉细胞瘤上皮识别中的能力。结果:U-net模型分割阴性区域的mIoU为0.818,分割阳性区域的mIoU为0.846,ROC曲线下面积为0.92。结论:U-net网络模型对成釉细胞瘤阳性区域和阴性区域具有良好的分割结果,同时能够鉴别阴性切片与阳性切片,能够初步用于成釉细胞瘤的病理诊断,有望进一步大样本验证后在临床逐步推广。