3D ディープラーニングを用いた歯列の自動抽出
Ammar Alsheghri1, Ying Zhang2, Julia Keren3
1Mechanical Engineering Department, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Kingdom of Saudi Arabia; Interdisciplinary Research Center for Biosystems and Machines, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Kingdom of Saudi Arabia.
Computers in biology and medicine
|August 21, 2025
まとめ
この研究では人工知能を駆使した デジタルソリューションを導入し 歯科用冠の設計に 自動マージンラインを作成し 手動的な方法よりも 一貫性と効率性を向上させました 人工知能のフレームワークは 精密に3Dスキャンした歯から 縁線を抽出します
科学分野:
- デジタル歯科
- 医療における人工知能
- 生物医学工学
背景:
- 歯科用冠の手動の縁線設計は主観的で,繰り返しできない.
- マージンラインの作成の現在のデジタル方法は時間がかかり,一貫性がない可能性があります.
- 歯の修復を成功させるには 歯周線の正確な定義が不可欠です
研究 の 目的:
- パーソナライズされたデジタルソリューションを開発し,検証する.
- 3Dスキャンで準備した歯の正確なセグメント化のための監督されたディープラーニングを活用します.
- 歯科冠の設計におけるマージンライン抽出のためのエンドツーエンドの人工知能の枠組みを確立する.
主な方法:
- 1113個の3Dスキャンされた歯のデータセットで 監督された深層学習を活用しました
- 5倍クロス・バリデーションによる多数決分類器を使用し,セグメンテーションの性能を向上させました.
- マージンラインの修正と抽出のための新しい後処理手順を実装し,その後,地面の真実のマージンと比較しました.
主要な成果:
- AIモデルは,200μmの値内の78のテストケースのうち70で,そして100μmの値内の62で,マージンラインをうまく抽出しました.
- 提案された後処理手順は,従来のグラフカット技術 (DSC = 0.974,p=0.024) に比べて優れた精度を示した.
- マージンラインセグメンテーションの高精度と一貫性を達成し,既存の方法を上回る.
結論:
- 提案されているエンドツーエンドのAIフレームワークは,マージンラインの自動抽出のための一貫性のある時間効率の良いデジタルツールを提供します.
- この人工知能のソリューションは 歯科冠のデザインの ワークフローを大幅に改善する可能性を秘めています
- この技術は,デジタル歯科における 臨界点を定義するための 再現可能で正確な方法を提供します.
