在CBCT上实现临床适用的自动下管细分
Fang-Duan Ni1, Zi-Neng Xu2, Mu-Qing Liu1
1Department of Oral & Maxillofacial Radiology, Peking University School & Hospital of Stomatology, Beijing 100081, China; National Center for Stomatology & National Clinical Research Center for Oral Diseases, Beijing 100081, China; National Engineering Research Center of Oral Biomaterials and Digital Medical Devices, Beijing 100081, China; Beijing Key Laboratory of Digital Stomatology, Beijing 100081, China.
Journal of dentistry
|March 8, 2024
概括
一个新的AI系统在束计算机断层扫描 (CBCT) 扫描中准确地细分下管道. 这种自动化细分有助于牙科手术,提高临床工作流程的效率和精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 口腔和牙面部外科手术
背景情况:
- 对下管道的准确细分对于牙科手术至关重要,例如植入物安置和第三骨提取.
- 圆束计算机断层扫描 (CBCT) 被广泛使用,但手动细分可能耗时且容易变化.
- 开发自动化细分工具可以提高牙科诊断和治疗规划的精度和效率.
研究的目的:
- 开发和验证基于深度学习的系统,以在CBCT图像上精确,强大和完全自动地对下管道进行细分.
- 在内部和外部数据集上评估系统的性能,确保可通用性.
- 评估AI系统在牙科实践中的潜在临床实用性.
主要方法:
- 采用了三步深度学习策略,利用2D和3DU-Net架构.
- 该系统涉及兴趣提取区域,全球下管道细分和细化.
- 该模型在536次CBCT扫描中接受了训练,并在多个中心的89次扫描中得到了验证.
主要成果:
- 在内部数据集上,人工智能系统在下沟细分方面取得了高准确性 (子相似系数 [DSC] 0.952,交集在联盟 [IoU] 0.912).
- 在外部验证集 (DSC 0.960,IOU 0.924) 上也显示出出色的性能.
- 包括平均对称表面距离 (ASSD) 和豪斯多夫距离95% (HD95) 在内的定量指标证实了系统的精度.
结论:
- 开发的AI系统从CBCT图像中提供了下沟通道的准确和自动细分.
- 该系统在不同数据集的强大性能表明其临床应用的潜力.
- 这项技术可以显著促进临床工作流程,并为更高效,更精确的牙科自动化系统做出贡献.


