使用远距离感知网络,使用下三和下膜通道之间的3D位置关系的自动分类
So-Young Chun1, Yun-Hui Kang2, Su Yang3
1Interdisciplinary Program in Bioengineering, Graduate School of Engineering, Seoul National University, Seoul, South Korea.
BMC oral health
|October 25, 2023
概括
这项研究引入了一种新型的人工智能网络,用于精确地分类受冲击的下第三牙和下膜通道之间的3D关系,使用形光束CT扫描.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 口腔和牙面部外科手术
背景情况:
- 准确评估受影响下第三 (M3) 和下膜通道 (MC) 之间的3D位置关系对于手术规划至关重要.
- 圆束CT (CBCT) 是用于此目的的标准成像模式,但手动分析可能耗时且容易出现错误.
研究的目的:
- 开发和评估一种自动化方法,用于在CBCT图像中使用距离感知网络对M3和MC之间的3D位置关系进行分类.
- 为了提高手术规划的准确性和效率,对于受冲击的下第三牙.
主要方法:
- 开发了一个级联网络架构,包括分段和分类阶段.
- 同时对M3和MC进行细分,使用Dense121 U-Net.
- 一个3D距离感知网络利用CBCT图像和签名距离地图 (SDM) 来分类口腔语言关系.
主要成果:
- 在分段M3 (0.87),MC (0.96) 和两者 (0.94) 中,Dense121 U-Net实现了高平均精度.
- 在使用CBCT图像和SDM时,3D距离感知分类网络表现出完美的性能 (精度,灵敏度,特异性,AUC=1.00).
- SDM显著提高了分类网络的准确性.
结论:
- 拟议的距离感知网络准确地分类了M3和MC之间的3D位置关系.
- 这种由人工智能驱动的方法提供了一个可靠的工具,用于在受冲击的下第三病例中进行手术规划.
- 通过SDM集成解剖学和几何信息是网络高性能的关键.
