根据使用U-Net的CBCT图像对第一个牙的3D肉细分的年龄估计
Yangjing Song1, Huifang Yang2, Zhipu Ge3
1Department of Oral and Maxillofacial Radiology, Peking University School and Hospital of Stomatology; National Center of Stomatology & National Clinical Research Center for Oral Diseases & National Engineering Laboratory for Digital and Material Technology of Stomatology & Beijing Key Laboratory of Digital Stomatology & Research Center of Engineering and Technology for Computerized Dentistry Ministry of Health & NMPA Key Laboratory for Dental Materials, Beijing, China.
Dento maxillo facial radiology
|July 10, 2023
概括
一个U-Net模型从形光束CT扫描中准确地细分了第一个叶纸腔. 由此产生的肉质腔体积使得可靠的人类年龄估计具有良好的精度和准确性.
科学领域:
- 法医牙科 法医牙科
- 放射学 放射学是一门学科.
- 医学中的人工智能
背景情况:
- 准确的年龄估计在法医和临床环境中至关重要.
- 牙科年龄评估方法往往依赖于主观的解释或侵入性程序.
- 圆束计算断层扫描 (CBCT) 提供了牙结构的详细3D成像.
研究的目的:
- 开发U-Net模型,精确细分第一个牙中的完整的脉腔.
- 建立一个基于纸腔体积的人类年龄估计的数学模型.
- 评估开发的年龄估计模型的准确性和精度.
主要方法:
- 一个U-Net模型使用20组CBCT图像进行训练,以细分第一个叶纸腔.
- 从15-69岁的人群中,计算了239个上和234个下第一个牙的肉质腔体积.
- 进行了对数回归分析,以创建年龄估计模型,随后对256个额外的第一个牙进行了验证.
主要成果:
- U-Net 模型实现了高细分精度,子相似度系数为 95.6%.
- 已建立的年龄估计模型显示确定系数 (R2) 为0.662.2.
- 该模型的平均绝对误差为6.72年,根平均平方误差为8.26年.
结论:
- 经过训练的U-Net模型从3D CBCT图像中准确地细分了第一个叶纸腔.
- 细分的脉腔体积为估计人类年龄提供了可靠的基础.
- 这种人工智能驱动的方法为牙年龄评估提供了精确和准确的方法.
