一种可靠的基于深度学习的方法,用于膜骨量化,使用鼠类模式的牙周炎和微型计算机断层扫描成像
Ranhui Xi1, Mamoon Ali1, Yilu Zhou2
1Department of Basic & Translational Sciences, School of Dental Medicine, University of Pennsylvania, 240 South 40th Street, Philadelphia, PA 19014, United States.
Journal of dentistry
|May 10, 2024
概括
一个人工智能 (AI) 模型被开发用于分析小鼠膜骨在牙周炎研究. 这种深度学习工具简化了微计算机断层扫描 (μCT) 数据的检查,提供了骨体积和密度的准确细分.
科学领域:
- 生物医学工程 生物医学工程
- 牙科研究 牙科研究
- 人工智能在医学中的应用
背景情况:
- 牙周炎导致膜骨损失,这是牙支的关键因素.
- 微计算机断层扫描 (μCT) 对于可视化和量化骨结构至关重要.
- 对膜骨的μCT数据进行手动分析是耗时的,需要专门的专业知识.
研究的目的:
- 开发一种自动化的深度学习细分模型,用于分析牙周炎小鼠模型中的膜骨.
- 为了使研究人员能够轻松地从μCT数据中检查气膜骨,而无需先前的机器学习知识.
- 为了准确测量膜骨体积 (BV) 和骨矿物质密度 (BMD),同时不包括牙.
主要方法:
- 在小鼠中确立了结合剂诱导的实验性牙周炎.
- 骨样本在不同时间点 (4,7,9,14天) 采集,并使用μCT扫描.
- 基于U-Net架构的3D深度学习模型使用Dragonfly软件开发用于图像细分.
主要成果:
- 人工智能模型实现了超过98%的准确性,从μCT数据对膜骨进行细分.
- 膜骨体积 (BV) 在带侧呈现逐渐下降,在第九天达到最低.
- 带侧的骨矿物质密度 (BMD) 随着时间的推移显著下降,到第14天损失了21.1%.
结论:
- 开发了一种可访问,可下载的AI模型,用于自动细分和分析小鼠膜骨.
- 该模型准确量化了关键指标,如BV,BMD和椎骨厚度,不包括牙.
- 这种用户友好的工具增强了AI在诊断和治疗口腔疾病方面的潜力.
