一种数据驱动的方法,用于部分重建个人的牙,使用生成深度学习
Alexander Broll1,2, Martin Rosentritt1, Thomas Schlegl2
1Department of Prosthetic Dentistry, University Hospital Regensburg, Regensburg, Germany.
Frontiers in artificial intelligence
|May 1, 2024
概括
本研究介绍了一种基于数据的方法,使用StyleGAN-2来重建牙闭口表面,改善修复制造. 生成对抗网络 (GAN) 方法为牙科内嵌提供了准确和首选的结果.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 材料科学 材料科学 材料科学
背景情况:
- 牙腐烂需要频繁的修复,但制造是复杂和耗时的.
- 目前用于固定牙假肢 (FDP) 的方法通常需要昂贵的调整.
- 以数据为导向的方法可以优化闭口表面重建,以获得更好的牙修复.
研究的目的:
- 开发和评估一种以数据为导向的方法,用于部分重建封闭表面.
- 为了利用生成对抗网络 (GAN),特别是StyleGAN-2,用于牙科修复.
- 评估GAN产生的内嵌的准确性和临床偏好.
主要方法:
- 使用了92个牙冠修复的3D网格文件的数据集.
- 采用StyleGAN-2来通过二维投影方法生成封闭面.
- 应用贝叶斯图像重建用于内嵌类型的重建,并使用根平均平方误差 (RMSE) 进行评估.
主要成果:
- 重建过程取得了令人满意的视觉和定量结果,RMSE在0.02毫米至0.18毫米之间.
- 牙医更喜欢基于GAN的修复,而不是CAD制造的嵌入式,用于4种嵌入式几何中的3种.
- 该方法在重建各种嵌入式类型时证明了准确性和效率.
结论:
- StyleGAN架构有效地重建了各种嵌入式几何形状.
- 重建与GAN训练的独立性允许在不需要再训练的情况下对任意设计进行应用.
- 这种数据驱动的方法有望提高牙科修复的效率和质量.


