一个基于深度学习的自动细分从形光束计算机断层扫描图像的斜骨骨:一个概念的证明
Baoxin Tao1, Xinbo Yu1, Wenying Wang1
1Department of Second Dental Center, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine, College of Stomatology, Shanghai Jiao Tong University, National Center for Stomatology, National Clinical Research Center for Oral Diseases, Shanghai Key Laboratory of Stomatology, Shanghai Research Institute of Stomatology, Shanghai, China.
Journal of dentistry
|June 15, 2023
概括
一种新的深度学习模型准确有效地从圆束计算机断层扫描 (CBCT) 图像中分割了斜腿骨. 这种人工智能方法明显优于牙医的手动细分,为手术规划提供了有价值的工具.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 计算解剖学的计算解剖学
背景情况:
- 准确的骨细分对于各种面外科手术非常重要.
- 从形束计算机断层扫描 (CBCT) 进行手动细分是耗时的,并且受观察者之间的变化影响.
- 深度学习为自动化和提高医疗图像细分的准确性提供了潜力.
研究的目的:
- 开发和评估基于深度学习的自动细分方法,用于CBCT图像中的斜骨骨.
- 评估拟议的深度学习模型的效率和准确性.
- 将模型的性能与经验丰富的牙医的手动细分进行比较.
主要方法:
- 130个CBCT扫描的数据集被策划并分为训练,验证和测试集.
- 开发了一个深度学习模型,该模型包含了分类和细分网络和边缘监督模块.
- 使用Grad-CAM和Guided Grad-CAM算法增强了可解释性;性能与四名牙医进行了对比.
主要成果:
- 深度学习模型实现了高分类准确率99.64%.
- 细分性能指标包括92.34%±2.04%的子系数,0.1±0.15毫米的ASD和0.98±0.42毫米的95%的HD.
- 该模型在17.03秒内细分了斜腿骨,比牙医 (49.3分钟) 快得多,并获得了优异的子得分 (93.2%对90.37%).
结论:
- 拟议的深度学习模型在从CBCT图像中对腰骨骨进行细分方面表现出高准确性和效率.
- 这种自动化方法在速度和准确性上显著超过牙医手工细分.
- 这种人工智能工具有望在重建和植入手术中增强术前数字规划.
