相关实验视频
Updated: Jun 26, 2025
05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.0K
[通过不同的计算机断层成像处理方法进行的3DTMJ分析的准确性比较评估]
A N Ryakhovsky1, S A Ryakhovsky2
1Central Research Institute of Dentistry and Maxillofacial Surgery, Moscow, Russia.
Stomatologiia
|May 14, 2024
概括
用人工智能驱动的分段关节 (TMJ) 元素的方法为诊断关节功能障碍提供了更快,更准确的解决方案. 与传统方法相比,这种自动化方法大大减少了细分时间.
科学领域:
- 医学成像和诊断 医学成像和诊断
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 关节 (TMJ) 功能障碍的诊断依赖于医学成像中的解剖结构的准确细分.
- 目前的细分方法可能会耗时,准确性各不相同,影响诊断效率.
研究的目的:
- 为了比较TMJ元素的不同细分技术的准确性和效率.
- 评估人工智能驱动的细分对于诊断关节功能障碍的适用性.
主要方法:
- 从60次大面CT扫描中对关节骨元件 (关节,骨) 的细分.
- 人工智能诊断算法与半自动细分 (Avantis3D) 与不同概率模式的比较.
- 评估每个细分方法的轮精度和时间效率.
主要成果:
- 人工智能细分显示,与原始CT数据的差异很小 (7.5%),明显低于半自动方法 (50.4%).
- 与半自动方法 (10.2-12.6秒) 相比,自动化AI细分需要的时间要少得多 (0.46秒).
- 人工智能细分错误是可以忽略不计的,使得完全的3D分析,不像其他一些方法.
结论:
- 开发的用于TMJ元素细分的自动化AI方法非常适合于实际的临床应用.
- 这种人工智能方法可以节省大量的时间,其准确性与其他评估方法相美.
- 使用人工智能的自动细分增强了关节功能障碍的诊断潜力.
