使用基于深度学习的定量CBCT图像验证骨矿物质密度测量
Chan-Soo Park1, Se-Ryong Kang2, Jo-Eun Kim3
1Department of Oral and Maxillofacial Radiology, School of Dentistry, Seoul National University, Seoul, South Korea.
Scientific reports
|July 24, 2023
概括
这项研究验证了使用定量圆束CT (qCBCT) 测量骨矿物质密度 (BMD) 的深度学习. qCBCT方法在评估牙科植入患者的骨质方面表现出高的准确性和可靠性.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 骨矿物质密度 (BMD) 对于诊断骨质疏松症和评估牙科植入体手术骨质量至关重要.
- 定量束CT (CBCT) 提供了一种用于BMD评估的方法,但其准确性需要在临床环境中进行验证.
研究的目的:
- 通过使用实际患者数据,验证基于深度学习的定量CBCT (qCBCT) 测量BMD的准确性和可靠性.
- 将qCBCT与常规CBCT (CAL_CBCT) 的性能与定量CT (QCT) 的性能进行比较.
主要方法:
- 在7500对CT和CBCT图像上训练了一种深度学习模型 (QCBCT-NET).
- 在30名患者的部和下骨区域,对36个感兴趣的体积进行了BMD测量.
- 包括RMSE,MAE,MAPE,R2和SEE在内的性能指标被用于与QCT进行比较.
主要成果:
- qCBCT的精度明显高于CAL_CBCT,RMSE (83.41比491.15毫克/厘米3),MAE (67.94比460.52毫克/厘米) 和MAPE (8.32%比54.29%) 的精度更低.
- 与CAL_CBCT (R2=0.24) 相比,线性回归分析显示qCBCT (R2=0.85) 的线性优越.
- qCBCT在整个视野中表现出更好的统一性和准确性.
结论:
- 基于深度学习的定量CBCT (qCBCT) 提供了准确和可靠的BMD测量,用于牙科植入物部位评估.
- 与传统的CBCT相比,qCBCT方法显示了更好的准确性,线性和统一性.
- 这项技术有望在临床实践中客观地评估骨质量.
