完全自动化的深度学习模型用于检测下第三根与下膜通道的距离,使用全景放射图
Qiuping Jing1, Xiubin Dai2, Zhifan Wang1
1Department of Oral and Maxillofacial Surgery, Affiliated Stomatological Hospital of Nanjing Medical University, Nanjing, China PRC; Jiangsu Province Key Laboratory of Oral Disease, Nanjing Medical University, Jiangsu, China PRC.
概括
一个新的AI模型,MM3-IACnet,使用全景放射图准确地预测下第三根和下膜通道之间的关系. 这种深度学习工具有助于手术风险评估和规划.
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:
- 评估下第三 (MM3) 根和下膜通道 (IAC) 之间的地形关系对于手术安全至关重要.
- 全景射线图 (PRs) 被广泛使用,但在准确地描绘这种空间关系方面存在局限性.
- 圆束计算断层扫描 (CBCT) 提供了详细的3D信息,但成本更高,辐射剂量更高.
研究的目的:
- 开发和验证一个完全自动化的深度学习模型 (MM3-IACnet) 以确定使用PRs的MM3根和IAC地形关系.
- 将开发模型的诊断性能与其他AI模型和人类牙医进行比较.
- 评估该模型在预测MM3/IAC近距离和协助外科手术风险评估方面的有效性.
主要方法:
- 从MM3s的受试者身上回顾收集了1570个配对的PR和CBCT扫描.
- 随机分组为培训 (80%),验证 (10%) 和测试 (10%) 队列.
- 开发MM3-IACnet,一个修改后的YOLOv5深度学习网络,训练检测MM3/IAC在PRs上的近距离,CBCT作为地面真相.
主要成果:
- MM3-IACnet在预测MM3/IAC近距离方面表现出卓越的性能,达到最高准确度 (0.885) 和精度 (0.899).
- 该模型实现了0.95的曲线下面积 (AUC),与其他方法相比,评估时间显著减少.
- MM3-IACnet在识别高风险MM3病例方面超过了其他AI模型和牙医,其中根部重叠了PRs上的IAC.
结论:
- MM3-IACnet模型提供了一种可靠和自动化的解决方案,用于使用全景射线图评估MM3根和IAC之间的地形关系.
- 这种人工智能工具可以在MM3风险评估和手术治疗计划中显著帮助临床医生.
- 该模型的高精度和效率表明,它有可能在第三牙提取过程中提高患者安全.
