多センターCBCT画像の自動下下経路局所化のためのコンボリューションニューラルネットワークベースのモデルの開発と検証
Xiao Pan1,2, Chengtao Wang1, Xuhui Luo1
1Department of Dentomaxillofacial Radiology, Nanjing Stomatological Hospital, Affiliated Hospital of Medical School, Institute of Stomatology, Nanjing University, Zhong Yang Road 30, Nanjing, Jiangsu Province, 210008, China.
BMC oral health
|August 21, 2025
まとめ
新しいディープラーニングモデルは 管の位置を コンビームCTスキャンで正確に特定します 歯科イメージングの臨床用途に 大きな可能性を秘めています
科学分野:
- 医療用イメージング
- 人工知能
- 放射線科
背景:
- 歯科インプラント手術では下管 (MC) の正確な位置づけが不可欠です.
- コンビームコンピュータトモグラフィー (CBCT) は歯科画像に広く使用されていますが,MCの局所化は困難です.
- MCのローカライゼーションを自動化することで,臨床実務における効率と精度が向上します.
研究 の 目的:
- 自動化下経路 (MC) ローカリゼーションのためのコンボリューションニューラルネットワーク (CNN) を使用したディープラーニング (DL) モデルを開発および検証.
- 様々なメーカーからのマルチセンターCBCT画像でモデルのパフォーマンスを評価する.
主な方法:
- 1つのメーカーから836のCBCTスキャンを使用してCNNモデルが開発されました (トレーニング,検証,内部テスト).
- このモデルは4つの異なるメーカーからの220のCBCTスキャンで外部から検証されました.
- 性能は,平均対称表面距離 (ASSD) と対称平均曲線距離 (SMCD) を用いて定量的に評価され,視覚的スコアを用いて定量的に評価された.
主要な成果:
- 内部検査では,平均ASSDは0. 486mm,SMCDは0. 298mmでした.
- 外部検査では,平均ASSD 0. 438mm,SMCD 0. 185mmの高得点スキャンで,スキャンの86. 8%で ≥4点の視覚スコアを達成しました.
- 自動MC局所化は,手動方法よりも大幅に速く平均8.52秒かかりました.
結論:
- 開発されたCNNモデルは,下管の局所化に高い精度と一般化性を示しています.
- このモデルは,マルチセンターCBCTデータにおける自動化されたMC局所化のための優れた臨床応用可能性を示している.
- 歯科画像分析の強化のための臨床ワークフローへの統合をさらに調査することができます.
