V2-Net:一种以注意力为导向的体积回归网络,用于CT图像上的牙地标定位与金属文物

科学领域:

• 医疗成像医学成像
• 计算机辅助手术 计算机辅助手术
• 人工智能的人工智能

背景情况:

• 在CT图像上手动定位牙的地标,对于正手术中的虚拟手术规划至关重要.
• 这种手工过程耗时,劳动密集,需要专门的专业知识.
• 由于牙科CT图像中的低分辨率和金属工件,自动定位具有挑战性.

研究的目的:

• 开发一个以注意力为导向的体积回归网络 (V2-Net),用于在金属工件的低分辨率CT图像上准确地定位牙标志.
• 提高牙地标识别的精度,以改善虚拟手术规划.

主要方法:

• 提出了一个以注意力为导向的体积回归网络 (V2-Net),具有粗到细的注意力机制.
• 集成的注意力引导学习和3D注意力模块,具有最佳的Pseudo Huber损失.
• 评估了网络在具有固有的分辨率和文物挑战的CT图像上的性能.

主要成果:

• 实现了最先进的精度,平均辐射误差为0.85 ± 0.40毫米.
• 由于注意力引导学习和3D注意力模块,在本地化准确度方面取得了显著的改进.
• 在临床上可接受的2.0毫米准确度范围内达到97.92%的成功检测率.

结论:

• V2-Net有效地解决了牙科CT成像中低分辨率和金属工件的挑战.
• 拟议的方法提供了一个高度准确和可靠的解决方案,用于牙里程碑定位在整形手术规划.
• 这一进步有可能简化虚拟外科手术规划工作流程并改善患者的治疗结果.