在基于深度学习的全景放射图上自动检测第三牙和下牙通道

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:

• 准确识别下第三 (M3) 和下通道 (MC) 之间的空间关系对于安全有效的手术干预至关重要.
• 全景射线图 (PRs) 通常用于牙科成像,但手动分析可能耗时且容易变化.

研究的目的:

• 开发一个深度学习框架,用于在PRs上自动检测和细分M3和MC.
• 为了提高评估M3-MC位置关系的准确性和效率,用于手术规划.

主要方法:

• 为M3和MC细分而开发了一个新的RPIFormer模型.
• 一个CycleGAN模型被用于PRs的图像增强.
• 分段和增强模型与对象检测模型集成,以创建一个完全自动化的框架.

主要成果:

• 对于M3和MC细分,RPIFormer模型实现了92.56%的高子系数,超过了以前的方法.
• 开发的深度学习框架展示了在PRs上卓越的检测准确性和概括能力.
• 该框架可以在不需要手动裁剪的情况下自动检测M3和MC.

结论:

• 建议的深度学习框架是强大的,适用于来自不同来源的PR,而不需要微调.
• 这种自动化方法有助于临床医生准确评估M3-MC空间关系.
• 该框架有助于改善牙科手术中的患者安全和最佳治疗计划.