人工智能系统用于在形束计算机断层扫描图像上进行自动上鼻腔细分.
Ibrahim Sevki Bayrakdar1, Nermin Sameh Elfayome2, Reham Ashraf Hussien2
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Eskisehir Osmangazi University, Eskisehir, 26040, Turkey.
Dento maxillo facial radiology
|March 19, 2024
概括
这项研究开发了一种使用nnU-Net v2的人工智能 (AI) 模型,用于在束计算机断层扫描 (CBCT) 中准确地自动细分上鼻 (MS),实现高性能指标.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 在束计算机断层扫描 (CBCT) 中精确细分腔鼻 (MS) 对各种临床应用至关重要.
- 手动细分是耗时的,容易引起观察者之间的变化.
研究的目的:
- 开发和评估人工智能 (AI) 模型,用于在CBCT图像中自动化MS细分.
- 评估nnU-Net v2深度学习模型对此任务的性能.
主要方法:
- 使用了101个CBCT扫描的数据集,其中80个用于培训,11个用于验证,10个用于测试.
- 为了MS细分,使用nnU-Net v2深度学习模型.
- 使用F1得分,准确度,灵敏度,精度,AUC,子系数 (DC),95%的豪斯多夫距离 (95%的高清度) 和交叉路口 (IoU) 来评估性能.
主要成果:
- 人工智能模型实现了高细分性能,F1得分为0.96,准确度为0.99,灵敏度为0.96,精度为0.96.
- 其他指标包括AUC为0.97,DC为0.96,95%HD为1.19,IOU为0.93.
结论:
- 基于nnU-Net v2的模型可以在CBCT图像中自主准确地分割上鼻.
- 开发的AI模型显示了提高MS细分的效率和一致性的巨大潜力.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.7K
07:14Guided Endodontics: Three-Dimensional Planning and Template-Aided Preparation of Endodontic Access Cavities
Published on: May 24, 2022
4.4K