【作者】 方媛媛； 毛伟玉； 王中振； 刘木清； 倪方端； 傅开元；

【机构】 北京大学口腔医院医学影像科；

【摘要】 目的本研究将深度学习技术应用于锥形束CT(Cone-beam CT,CBCT)图像上以自动诊断是否存在颞下颌关节骨关节病并进行分类。方法本研究连续收集2016年1月1日起就诊于北京大学口腔医院颞下颌关节科并行双侧颞下颌关节CBCT检查的患者500例。将收集到的图像数据在RadiAntDICOM Viewer(64-bit)进行髁突矫正斜矢状位图像截取,再使用labelImg进行图像标注。根据DC/TMD的诊断标准,将标注图像分为正常及骨关节病,并将骨关节病图像进一步分为囊样变、骨质磨损、骨质增生和骨质硬化四种类型。采用YOLOv5算法对标注好的数据进行训练及测试(训练集:测试集=4:1),并将该模型得到的结果与人工标注的金标准进行对比,初步评估该模型的诊断性能。结果该深度学习模型诊断颞下颌关节矫正斜矢状位图像为正常还是骨关节病的准确率分别为:0.969、0.981。该模型进一步识别骨关节病的具体类型——囊样变、骨质磨损、骨质增生和骨质硬化的准确率分别为0.801、0.894、0.940、0.834。结论本研究开发了一种基于人工智能的快速、准确的应用CBCT诊断颞下颌关节骨关节病的深度学习模型,该模型对于临床诊断颞下颌关节骨关节病具有指导作用。更多还原