通过视觉变压器自动三维鼻腔和喉腔气道子区域识别
Suhan Jin1, Haojie Han2, Zhiqun Huang3
1Department of Orthodontics, Hubei-MOST KLOS & KLOBM, School & Hospital of Stomatology, Wuhan University,Wuhan, China; Department of Orthodontics, Affiliated Stomatological Hospital of Zunyi Medical University, Zunyi, China.
Journal of dentistry
|June 21, 2023
概括
一种新的深度学习模型从圆束计算机断层扫描中准确地细分了整个上呼吸道及其子区域. 这种人工智能工具有助于诊断障碍性睡眠呼吸暂停等疾病,并规划治疗方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 人体解剖学 解剖学 解剖学
背景情况:
- 准确的上呼吸道评估对于诊断和管理各种疾病至关重要.
- 目前的细分方法往往缺乏自动化和精度,阻碍了临床应用.
- 深度学习 (DL) 为自动化和精确的解剖细分提供了潜力.
研究的目的:
- 开发一种新的DL模型,用于整个上空气道及其子区域的自动细分.
- 为了从圆束计算机断层扫描 (CBCT) 扫描中准确识别上呼吸道结构.
- 评估开发的AI模型的临床适用性和一致性.
主要方法:
- 开发了一个轻量级的多任务网络,结合了Swin Transformer和U-Net架构.
- 该模型经过50次CBCT扫描 (24,502片) 的训练和验证,并得到专家注释的基本真相.
- 性能使用精度,回忆,子相似系数 (DSC) 和交叉点与联盟 (IoU) 进行评估,并与海豚软件进行比较.
主要成果:
- 在对3D上呼吸道区域进行细分时,DL模型表现出很高的性能 (精度:85.88-94.25%,回忆:93.74-98.44%,DSC:90.95-96.29%,IOU:83.68-92.85%).
- 对于二维截面观察到类似的结果 (精度:91.22-97.51%,回忆:90.70-97.62%,DSC:90.92-97.55%,IOU:83.41-95.29%).
- 人工智能模型和海豚软件显示,对于喉气道评估,临床上可以接受的一致性.
结论:
- 新的DL模型成功地分割了整个上呼吸道,包括鼻腔和子区域,从鼻腔到鼻.
- 该模型的性能非常适合用于3D上呼吸道评估,特别是复杂的解剖结构.
- 这种自动化系统有助于快速评估呼吸道,有助于治疗牙骨变形和阻塞性睡眠呼吸暂停.
