扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

坎皮纳斯州立大学最新研究:临床医生对口腔潜在恶性疾病的认识:监督学习中图像标注的一个陷阱

论论资讯 | 2023-01-01 3热度

Oral Surgery, Oral Medicine, Oral Pathology and Oral Radiology

Explore content

About the journal

Publish with us

Clinicians’ perception of oral potentially malignant disorders: a pitfall for image annotation in supervised learning

Araújo A.L.D.; de Souza E.S.C.; Faustino I.S.P.; Saldivia-Siracusa C.; Brito-Sarracino T.; Lopes M.A.; Vargas P.A.; Pearson A.T.; Kowalski L.P.; de Carvalho A.C.P.D.L.F.; Santos-Silva A.R.

Published:2023-01-01
DOI:10.1016/j.oooo.2023.02.018

研究背景

口腔潜在恶性疾病(OPMDs)是一种常见的口腔疾病,如何准确地评估、分类和注释这些疾病是口腔医学领域的重要问题。然而,临床医生的主观评估可能会影响到人工智能模型的学习效果,因此需要进行相关研究。

研究内容

本研究使用46张患者的口腔照片,由三名标注者进行分类和像素级别的手动注释。通过统计κ系数和像素交集并集比较不同标注者之间的评估结果。结果表明,对于均质/非均质标准的评估,标注者之间的一致性较高(κ = 63, 95% CI: 0.47-0.80)。对于非均质病变的子分类,标注者之间的一致性较低(κ = 43, 95% CI: 0.34-0.53) (P < .001)。平均像素交集并集比为0.53 (±0.22),较低。

研究意义

本研究发现,临床医生的主观评估会影响到口腔潜在恶性疾病的分类和注释,这可能会导致人工智能模型的学习效果下降。因此,使用大型数据集和所有标注者注释的并集进行分割,有望克服这种局限性。这项研究对于提高口腔医学领域的人工智能技术具有重要意义。

微信扫码即可查看