在III类骨患者的正经手术后,通过基于卷积神经网络的细分来分析的亚区域部变化
Dong-Yul Kim1, Seoyeon Woo2, Jae-Yon Roh1
1Department of Dentistry, Graduate School, Kyung Hee University, 26 Kyungheedae-ro, Dongdaemun-gu, Seoul 02447, Republic of Korea.
Journal of dentistry
|June 12, 2023
概括
一个卷积神经网络 (CNN) 准确地对骨III类患者在整形手术前后的喉体积进行细分. 这种人工智能模型可以对治疗引起的气道变化进行定量评估.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 整形手术 整形手术 整形手术
背景情况:
- 整形手术在III类骨患者中显著改变了喉解剖学.
- 准确的关变化的定量评估对于评估治疗结果至关重要.
- 从CBCT图像中手动细分喉体积是耗时且主观的.
研究的目的:
- 为了评估3D U-Net卷积神经网络 (CNN) 模型的准确性,用于自动喉体积细分.
- 评估模型在治疗前和治疗后的形光束计算机断层扫描 (CBCT) 扫描中骨III类患者的性能.
- 研究人工智能的临床适用性,以量化经过整形手术后的喉变化.
主要方法:
- 在190个CBCT数据集上训练和验证了一个3D U-Net CNN模型.
- 该模型对120个测试数据集 (60个治疗前和治疗后对) 进行了对喉感兴趣体积 (VOI) 的全自动细分.
- 与手动细分相比,使用子相似度系数 (DSC) 和体积相似度 (VS) 评估了细分的准确性.
主要成果:
- 该CNN模型在治疗前和后的CBCT图像上展示了喉VOI的高细分精度.
- 只有在治疗后的鼻喉中才观察到DSC的显著差异.
- 鼻细分精度下降与大进度的相关性很弱,与下逆转没有相关性.
结论:
- 开发的CNN模型提供了快速和准确的自动喉细分在骨III类患者接受正确手术.
- 这种人工智能方法有助于对喉气道变化的定量评估,支持临床决策.
- 这些发现为开发综合CNN模型奠定了基础,以预测喉对牙骨治疗的反应.
