Современный обзор моделей машинного и глубокого обучения для диагностики рака полости рта: новейшие технологии, нерешённые проблемы и перспективные направления исследований

A Current Review of Machine Learning and Deep Learning Models in Oral Cancer Diagnosis: Recent Technologies, Open Challenges, and Future Research Directions
Kathiravan Srinivasan, Shriniket Dixit, Anant Kumar
2023-04-05

PRISMA-ScRглубокое обучениеданные экспрессии геновмашинное обучениедиагностика рака полости рта
Рак является серьёзной глобальной проблемой здравоохранения, характеризующейся чрезвычайно высокой смертностью во всём мире. Применение различных методов машинного обучения в диагностике рака в последние годы предоставило ценную информацию для принятия эффективных и точных решений о лечении. Благодаря стремительному развитию технологий секвенирования диагностика рака на основе данных об экспрессии генов со временем улучшилась. Различные виды рака по-разному поражают разные части организма. Рак, поражающий полость рта, губы и верхнюю часть горла, известен как рак полости рта и является шестой по распространённости формой рака в мире. Индия, Бангладеш, Китай, Соединённые Штаты и Пакистан входят в пятёрку стран с наиболее высокими показателями заболеваемости раком полости рта и губ. Основными причинами рака полости рта являются чрезмерное употребление табака и курение сигарет. Раннее выявление рака полости рта (OC) могло бы спасти множество жизней. Раннее обнаружение и диагностика могли бы помочь врачам обеспечить более качественную помощь пациентам и более эффективное лечение. Скрининг рака полости рта может быть усовершенствован посредством применения методов искусственного интеллекта (AI). AI способен помочь онкологической отрасли, точно анализируя большие наборы данных, полученные с использованием различных методов визуализации. В этом обзоре рассматривается применение AI на ранних стадиях рака для точного выявления и лечения OC. Кроме того, была проведена оценка эффективности нескольких моделей глубокого обучения (DL) и машинного обучения (ML), чтобы показать, что модели DL способны преодолевать сложные проблемы, связанные с ранними раковыми поражениями полости рта. При подготовке обзора соблюдались рекомендации, разработанные для расширения руководств по систематическим обзорам с областью охвата и метаанализам (PRISMA-ScR). Изучение списков литературы отобранных статей помогло собрать дополнительные сведения по данной теме. Также обсуждаются ограничения AI и возможности его применения в исследованиях рака полости рта. Существуют методы снижения факторов риска...
1
Искусственный интеллект способен анализировать большие наборы данных из нескольких методов визуализации, что потенциально улучшает скрининг рака полости рта и принятие решений о лечении.
2
В обзоре обсуждаются ограничения искусственного интеллекта и определяются направления будущих исследований в области рака полости рта, включая методы снижения факторов риска.
3
Согласно обзору, модели глубокого обучения могут решать сложные задачи выявления ранних раковых поражений полости рта.
4
Исследование проведено в соответствии с рекомендациями PRISMA-ScR и обобщает данные отобранных статей и их списков литературы.
5
В обзоре рассматривается применение методов машинного обучения и глубокого обучения для раннего выявления и диагностики рака полости рта.

рак полости рта, включая ранние предраковые и раковые поражения ротовой полости

применение и эффективность моделей машинного и глубокого обучения для раннего выявления и диагностики рака полости рта, а также поддержки выбора лечения

Publication Details
Publication Date
2023-04-05
Journal
Publisher
ISSN
Cited by
149
Access Type
Author Information
Authors
Kathiravan Srinivasan
Shriniket Dixit
Anant Kumar
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%