人工智能使用圆束计算机断层扫描进行口腔和面结构细分的性能:系统性审查和元分析

科学领域:

• 口腔和面放射学 口腔和面放射学
• 医疗成像中的人工智能
• 医疗图像细分 医疗图像细分

背景情况:

• 关于人工智能 (AI) 在使用圆束计算机断层扫描 (CBCT) 分区口腔和口面结构方面的表现存在矛盾的报告.
• 精确的细分对于牙科和口腔外科的诊断和治疗计划至关重要.

研究的目的:

• 系统地审查和对评估人工智能在从CBCT图像中对口腔和面结构进行细分方面的表现的研究进行元分析.
• 提供人工智能细分精度的综合估计,以解决现有的差异.

主要方法:

• 在Embase,PubMed和Scopus进行了全面的文献搜索,截至2022年10月31日.
• 包括评估人工智能系统用于CBCT图像中解剖标志的自动细分的研究.
• 用子系数 (DICE) 或子相似系数 (DSC) 指数量化细分性能.

主要成果:

• 二十四项研究被纳入了元分析.
• 对AI细分的整体组合DICE/DSC值为0.92 (95%CI:0.88-0.95),表明了高性能.
• 在不同解剖区域的表现有所不同,下膜神经的得分最低 (0.55),气道/鼻腔的得分最高 (0.98).

结论:

• 人工智能在从CBCT图像中对口腔和大面部结构进行细分方面表现出色.
• 这些发现支持人工智能在提高牙和面图像分析的准确性和效率方面的实用性.
• 进一步的研究可能将重点放在提高AI性能,以应对像下膜神经这样具有挑战性的解剖结构.