牙科细分器:基于深度学习的强大的开源CT和CBCT图像细分
Gauthier Dot1, Akhilanand Chaurasia2, Guillaume Dubois3
1UFR Odontologie, Universite Paris Cité, Paris, France; Service de Medecine Bucco-Dentaire, AP-HP, Hopital Pitie-Salpetriere, Paris, France; Institut de Biomecanique Humaine Georges Charpak, Arts et Metiers Institute of Technology, Paris, France.
Journal of dentistry
|June 15, 2024
概括
一个新的开源工具,DentalSegmentator,在牙--面部 (DMF) CT和CBCT扫描中提供关键解剖结构的全自动细分. 这个强大的软件为数字牙科工作流程提供了准确的3D模型.
科学领域:
- 数字牙科数字牙科
- 医学成像分析分析 医学成像分析
- 3D重建重建的3D重建
背景情况:
- 在牙--面部 (DMF) 计算机断层扫描 (CT) 和束计算机断层扫描 (CBCT) 中,解剖结构的准确细分对于数字牙科至关重要.
- 现有的方法可能缺乏自动化或稳定性,阻碍了广泛的临床采用.
研究的目的:
- 介绍和评估DentalSegmentator,这是一个新的开源工具,用于在DMF CT和CBCT扫描上完全自动分割五个关键解剖结构.
- 评估DentalSegmentator在各种数据集中的性能和通用性.
主要方法:
- 470个CT和CBCT扫描的回顾性数据集被用于培训和验证.
- 该工具的性能在内部数据集 (133个扫描) 和外部数据集 (123个扫描) 上进行了评估,通过将自动细分与专家细分进行比较.
- 关键性能指标包括子相似系数 (DSC) 和规范表面距离 (NSD).
主要成果:
- 实现了高精度,内部数据集的平均总体DSC为92.2%,外部数据集的平均总体DSC为94.2%.
- 内部数据集的平均总体NSD为98.2%,外部数据集为98.4%,表明精确的表面距离.
- 结果表明,在多种DMFCT和CBCT扫描中,具有强大的多类细分能力.
结论:
- 牙科细分器为DMF CT和CBCT扫描中的解剖结构细分提供了一种全自动,强大和准确的解决方案.
- 该开源工具作为3D Slicer扩展提供,可为各种数字牙科应用程序创建患者特定的3D模型.
- 这种方法支持可视化,治疗规划和临床实践中的干预.
