基于深度学习的牙科软件设计的牙形态,内部适合,牙冠的闭塞和近位接触:一项比较研究
Jun-Ho Cho1, Gülce Çakmak2, Yuseung Yi1
1Department of Prosthodontics, Seoul National University Dental Hospital, Seoul, Republic of Korea.
Journal of dentistry
|January 1, 2024
概括
深度学习 (DL) 牙科软件在皇冠设计中为牙形态,内部适合,闭塞和近位接触提供了临床上可接受的结果. 这些自动化方法简化了数字工作流程,减少了牙科技术人员手动调整的需要.
科学领域:
- 恢复性牙科 恢复性牙科
- 数字牙科数字牙科
- 医疗保健中的人工智能
背景情况:
- 恢复性牙科的数字工作流正在随着人工智能的进步而发展.
- 深度学习 (DL) 软件为自动化复杂的牙科设计过程提供了潜力.
- 评估DL生成的牙假肢的临床疗效对于采用至关重要.
研究的目的:
- 为了比较牙形态,内部适合,闭塞和牙冠的近接接触.
- 为了评估两个深度学习 (DL) 软件系统自动生成的皇冠.
- 将DL生成的皇冠与牙科技术人员手工设计的皇冠进行比较.
主要方法:
- 准备好后牙的30个部分弧形扫描被用于皇冠设计.
- 皇冠的设计采用了两种基于DL的方法 (AA和AD) 和基于技术人员的方法 (NC).
- 使用几何关系和统计分析,对牙形态,内部适合,闭塞和近接接触进行了三维比较.
主要成果:
- 基于DL的冠状 (AA和AD) 与基于技术人员的方法 (NC) 相比,没有显著的牙形态差异.
- 与AA组相比,AD和NC组显示出更好的内部适应性.
- 虽然角相似,但所有组的闭合接触点和接触强度各不相同.
结论:
- 这两种基于DL的软件系统都产生了临床性能与技术人员设计的冠状相匹配的冠状,在内部适应和闭合接触点方面具有临床性能.
- 基于DL的牙科软件可以有效地简化恢复性牙科的数字工作流程.
- 使用DL软件可确保牙形态,内部适合,闭塞和近位接触的临床可接受结果,最大限度地减少了对额外技术人员优化的需求.
