深度学习模型分类颅面部CT切片，硬投票集成准确率达96.46%

据一项预印本研究，作者开发深度学习模型，将颅面部CT切片分为六个解剖类别。研究共纳入11769张图像，来自日本10所大学医院参与的多中心数据库及公开的Head-Neck-Radiomics-HN1数据集；患者按70%与30%划分为训练集与评估集。五种CNN架构从头训练，并评估硬投票与软投票集成。单个模型准确率为94.72%至96.09%，硬投票集成准确率达96.46%（Cohen κ=0.954）。作者称，各单模型表现存在差异（Cochran Q=99.29，p<0.001），但集成未显著优于EfficientNetV2B1（McNemar p=0.163）；错误主要发生在相邻解剖区域之间。作者表示，深度学习可准确分类颅面部CT切片，或有助于自动化数据集整理与AI辅助骨折诊断，仍需外部验证。