评估儿童口腔诊断和治疗,使用成像检查,使用基于人工智能的物联网

科学领域:

• 生物医学工程 生物医学工程
• 牙科成像技术 牙科成像技术
• 儿科牙科 儿科牙科

背景情况:

• 圆束计算机断层扫描 (CBCT) 对于诊断儿童口腔疾病至关重要,但其图像细分需要改进.
• 全身麻醉 (GA) 治疗儿童对牙科的恐惧 (CDF) 的有效性仍然是争论的主题.

研究的目的:

• 评估智能计算机细分模型 (CV-LBF) 在儿科口腔诊断中用于CBCT的应用.
• 用生物医学信号评估GA在缓解CDF方面的有效性.

主要方法:

• 开发了CV-LBF模型,通过优化区域级设置 (CV) 算法与本地二进制拟合 (LBF) 模型进行牙CBCT细分.
• 与其他算法比较的细分精度 (SA),最大对称表面距离 (MSSD),平均对称表面距离 (ASSD),超细分率 (OR) 和低细分率 (UR).
• 使用儿童恐惧调查表-牙科子表 (CFSS-DS) 和Venham分数在82名患有CDF的儿童队列中评估儿童的恐惧,将GA组 (n=38) 与对照组 (n=44) 进行比较.

主要成果:

• 与其他算法相比,CV-LBF模型显示了显著更高的SA和较低的OR,UR,MSSD和ASSD (P<0.05).
• 接受GA治疗的儿童在干预后2小时和1周的随访后显示出明显较低的CFSS-DS得分 (P<0.001).
• 与对照组 (P<0.001) 相比,GA组在干预后表现出明显较低的Venham分数 (P<0.001) 和较低恐惧等级 (0-3) 的比例较高.

结论:

• CV-LBF智能分段模型在儿科牙科应用中显示出CBCT图像分段的前景.
• 全身麻醉是一种有效的方法,可以缓解接受牙科治疗的儿童的焦虑和恐惧.