深度学习设计的植入物支持的后部冠状:评估时间效率,牙形态,出现形状,闭塞和近接接触

科学领域:

• 数字牙科数字牙科
• 假牙术中的人工智能
• 植入器支持的修复.

背景情况:

• 植入式支冠 (ISC) 的传统计算机辅助设计 (CAD) 依赖于技术人员的手动输入.
• 新兴的深度学习 (DL) 软件为自动化和优化牙科修复设计提供了潜力.
• 评估基于DL的ISC设计的临床有效性和效率对于采用至关重要.

研究的目的:

• 将使用深度学习 (DL) 软件创建的ISC的设计效率和临床结果与传统CAD软件进行比较.
• 评估技术人员优化对DL生成的ISC设计的影响.

主要方法:

• 对20个部分没有牙的件进行了回顾性分析,用于ISC制造.
• 使用三个方法设计ISC:没有修改的DL (DB),技术人员优化的DL (DM) 和传统的CAD (NC).
• 使用统计方法对时间效率,冠状轮,闭点/近点接触和其他几何参数进行比较分析.

主要成果:

• 与DM和NC组相比,基于DL的ISC设计 (DB) 显示出明显更高的时间效率.
• 在DM组与NC组相比,DM组与DB组相比显示了较小的体积偏差.
• DB和DM组表现出与NC组相似的闭合表面积,尖端角度/高度和近位接触强度,除了闭合接触.

结论:

• 基于深度学习的方法为设计后部植入式支冠提供了显著的时间效率.
• DL设计实现了与传统方法相比的功能性质,包括封闭式桌面面积和尖端形态.
• 技术人员对DL设计的优化可以进一步细化诸如皇冠轮和浮现形状之类的结果.