基于人工智能的CBCT解决方案优化技术的构建和评估,用于提取牙
Yinfei Ji1, Yunkai Chen2, Guanghui Liu2
1State Key Laboratory of Oral Diseases & National Center for Stomatology & National Clinical Research Center for Oral Diseases & Department of Operative Dentistry and Endodontics, West China Hospital of Stomatology, Sichuan University, Chengdu, Sichuan, China.
Journal of endodontics
|June 7, 2024
概括
深度学习图像超分辨率 (SR) 处理改进了形光束计算机断层扫描 (CBCT) 的牙. 这种增强的可视化有助于识别复杂的根运河解剖学,特别是尾牙中的MB2运河.
科学领域:
- 牙科成像 牙科成像 牙科成像
- 人工智能在牙科中的应用
- 放射学 放射学是一门学科.
背景情况:
- 圆束计算断层扫描 (CBCT) 对于在牙科实践中可视化复杂的根管形态至关重要.
- 由于CBCT的分辨率限制,因此难以准确识别小型解剖结构.
- 微型计算机断层扫描 (Micro-CT) 提供更高的分辨率,但在常规临床使用中难以使用.
研究的目的:
- 将基于深度学习的超分辨率 (SR) 处理应用于抽取人类牙的CBCT图像.
- 为了比较原始CBCT,超分辨率计算机断层扫描 (SRCT) 和微型CT图像的诊断准确度.
- 评估SRCT在可视化复杂的根管系统中的有效性.
主要方法:
- 修改后的深度学习模型 (Basicvsr++) 用于图像超分辨率.
- 采用了171颗拔牙的数据集,用于培训和外部测试.
- 为了比较,创建了CBCT,SRCT和Micro-CT图像的三维重建.
主要成果:
- 与CBCT相比,SRCT显著提高了上第一牙的MB2通道的识别率.
- 在SRCT中测量硬组织体积和脉腔/根运河系统体积的准确性与Micro-CT非常匹配.
- 与标准CBCT相比,SRCT在测量可见根通道的长度方面表现出更好的准确性.
结论:
- 基于深度学习的SR处理有效地优化了CBCT图像中的根管形态可视化.
- SRCT显示了提高内牙科诊断准确性的巨大潜力.
- 这种技术可能特别有利于识别具有挑战性的解剖特征,如MB2通道.
