基于实例细分网络的自动牙周关节带细分圆束计算机断层学

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:

• 牙周带 (PDL) 形态在各种牙科干预中至关重要.
• 准确的PDL细分对于有效的诊断和治疗计划至关重要.

研究的目的:

• 开发和评估深度学习 (DL) 算法,用于在形束计算机断层扫描 (CBCT) 图像中自动分割PDL.
• 评估AI驱动的PDL细分的临床应用的准确性和效率.

主要方法:

• 一项回顾性研究利用389名患者的1734个轴心CBCT图像.
• 开发一个基于Mask R-CNN的实例细分模型,用于自动PDL细分.
• 模型培训使用了"牙"和"膜骨"的标签,将PDL定义为它们的重叠区域.

主要成果:

• 对于切口,,前牙,智牙和植入物 (100%) 实现了高质量准确性.
• 牙显示了96.4%的细分精度.
• 定量指标显示,整个欧盟的平均交叉点 (mIoU) 为0.667 ± 0.015,平均子相似系数 (mDSC) 为0.799 ± 0.015.

结论:

• 由人工智能驱动的方法为CBCT上的自动PDL细分提供了一种新的方法.
• 这项技术有可能使椅子侧测量成为可能,提高牙周科医生,正牙医生,假牙医生和植入物学家的效率和准确性.