一种新的牙科CBCT金属工件减少方法,基于双域处理框架.
Hui Tang1,2, Yu Bing Lin1, Su Dong Jiang3
1Laboratory of Image Science and Technology, School of Computer Science and Engineering, Southeast University, Nanjing, People's Republic of China.
Physics in medicine and biology
|July 31, 2023
概括
一种新的双域方法有效地减少了使用投影校正和卷积神经网络 (CNN) 的牙圆束计算机断层扫描 (CBCT) 图像中的金属工件. 这种技术显著提高了牙科诊断的图像质量.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 计算机视觉 计算机视觉
背景情况:
- 圆束计算机断层扫描 (CBCT) 对于牙科诊断至关重要.
- 患者的金属植入物在CBCT图像中引起严重的人工物,阻碍了诊断.
- 现有的人工物减少方法在牙科CBCT数据的独特挑战中扎.
研究的目的:
- 开发一种用于减少牙科CBCT图像中的金属工件的新方法.
- 为了提高CBCT图像的诊断质量,使用金属牙植入物.
- 引入一个双域处理框架,将投影校正和深度学习结合起来.
主要方法:
- 这是一个三阶段的方法,包括体积重建,金属细分和投影校正.
- 在投影域中利用了线性插值和基于预先的光束硬化校正.
- 采用了两个连接的基于U-Net的卷积神经网络 (CNN) 模型用于图像后处理.
主要成果:
- 拟议的方法在模拟和临床牙科CBCT图像中显著减少了金属工件.
- 与频域融合 (FS-MAR) 和最先进的CNN方法相比,实现了卓越的性能.
- 使用规范化根平均平方差 (NRMSD) 和结构相似度指数 (SSIM) 进行定量评估,产生了出色的结果 (NRMSD: 4.0196,SSIM: 0.9924).
结论:
- 开发的双域处理框架有效地解决了牙科CBCT中的金属工件.
- 该方法为提高植入式牙科诊断精度提供了一个有希望的解决方案.
- 这种方法证明了将投影校正和CNN结合起来,以减少工件的适用性.


