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
2023-04-05
SCID: 54.1/9fq6c6ep
Discuss with AI
PRISMA-ScRглубокое обучениеданные экспрессии геновмашинное обучениедиагностика рака полости рта
Figures from the paper
Abstract (AI)
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...
Key Findings
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.
Research Object
рак полости рта, включая ранние предраковые и раковые поражения ротовой полости
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest