深度学习用于识别牙科植入物周围的脊柱缺陷
Cheng-Hung Lin1, Hom-Lay Wang2, Li-Wen Yu3,4
1Department of Electrical Engineering, College of Technology and Engineering, National Taiwan Normal University, Taipei, Taiwan.
Clinical implant dentistry and related research
|December 28, 2023
概括
深度学习准确地识别出牙植入物缺陷从形光束CT扫描没有预处理. 这种人工智能方法通过分析骨植入物支和鼻地板接近度来增强植入物治疗计划.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 牙植入物周围的脊柱缺陷是一种常见的并发症.
- 准确的识别对于成功的植入物治疗计划至关重要.
- 目前的方法可能会耗时或主观.
研究的目的:
- 开发和评估一个深度学习 (DL) 模型,用于自动识别牙科植入物周围的脊梁缺陷.
- 为了评估模型的性能,使用圆束计算机断层扫描 (CBCT) 图像切片.
- 为了确定是否需要图像预处理以获得最佳DL模型性能.
主要方法:
- 使用了具有ResNet-50架构的卷积神经网络 (CNN).
- 分析了来自412名患者的630个下部和845个上部植入片.
- 分析了预处理和未处理的切片,以比较性能.
主要成果:
- 在未经预处理的CBCT切片上,DL模型实现了>98.5%的准确性,超过了预处理的切片.
- 部植入物分析显示98.91%的准确性,F1得分最低 (97.30%) 的组合缺陷.
- 部植入物分析的准确率为98.82%,其中F1得分最低 (95.86%) 是特定于鼻腔附近的脱色缺陷.
结论:
- 深度学习可以有效地从CBCT切片中识别牙植入物脊缺陷,而无需预处理.
- 该模型显示出高精度和集成到植入物治疗规划工作流中的潜力.
- 未来的工作将纳入临床专业知识和3D分析,以加强植入物桥关系的分类.
